Communitygithub.com

PrunaAI/pruna-skills

誰かが音声ナレーションやボイスオーバーを必要とする場合に使用——解説トラック、ドキュメンタリーの台詞、生成動画に合わせる音声など。

pruna-skills とは?

このスキルは、AIエージェント(Claude CodeやCodyなど)向けに設計されたPrunaスキルスイートの一部で、テキスト音声合成(TTS)による音声ナレーションやボイスオーバーを生成します。主にGoogleのGemini 3.1 Flash TTSモデルをReplicate API経由で利用し、解説動画、ドキュメンタリー、生成動画に合わせる音声トラックを作成する際に役立ちます。スキルは、`generation-diversity`(プロンプト品質)、`audio-prompting`(TTSスタイル)、`video-prompting`(動画連携)、`pruna-api`(API呼び出し)という4つの前提スキルに依存しており、これらをすべてインストールすることで一貫したワークフローを実現します。最初の返信では`gemini-3.1-flash-tts`の使用を宣言し、`REPLICATE_API_TOKEN`の確認、ユーザーからの必須入力(テキスト、音声、スタイルプロンプト、言語コード)の収集を行います。また、映像内の人物アバター(`p-video-avatar`)や楽曲生成(`music-2.5`)など、本スキルが適さないケースを明確に区別しています。

対応~Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/PrunaAI/pruna-skills/tree/HEAD/skills/audio/gemini-3.1-flash-tts

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

前提条件

生成を行う前に、以下のスキルをインストールして読み込んでください(既に @pruna でコンテキスト内にある場合はスキップ)。

スキル説明インストール
generation-diversity生成プロンプトを作成する際に使用——有料API呼び出し前に、儀式的なseed、明示的な構造、シナリオの軸、品質ゲートを設定します。npx skills add PrunaAI/pruna-skills@generation-diversity -y
audio-promptingTTS、音楽、BGMプロンプトを任意の生成オーディオモデル向けに作成する際に使用——監督スタイル、楽曲構造、ポストプロダクションレイヤリング。npx skills add PrunaAI/pruna-skills@audio-prompting -y
video-prompting任意の生成モデル向けに動画やモーションプロンプトを作成する際に使用——ドラマトゥルギー、カメラ、物理的に安全なモーション、フレームアンカー、クリップ連鎖。npx skills add PrunaAI/pruna-skills@video-prompting -y
pruna-apiPrunaまたはReplicateへのHTTP呼び出し前に使用——認証情報、アップロード/ポーリング/ダウンロード、並列バッチ、エージェント安全性。npx skills add PrunaAI/pruna-skills@pruna-api -y

または、スイート全体を一度にインストール: npx skills add PrunaAI/pruna-skills@pruna -y

各スキルの 生成前 / クラフトセクションに従ってください——ここにガイド内容を再記載しないでください。

エージェントの習慣

最初の返信では、`gemini-3.1-flash-tts` をバッククォートで囲んで名前を挙げ、REPLICATE_API_TOKEN を確認し(または pruna-api からのサインアップリンクで停止)、必要な入力を尋ねます。最初の POST の前に、generation-diversity の明確化インテーク(ロケール、音声、スクリプト)を開きます。使用すべきでない場合 が適切な場合は、そちらにリダイレクトします。

使用すべきでない場合

代わりに別のスキルを使用してください:

スキル説明インストール
p-video-avatar誰かがカメラに向かってスクリプトを話している人物を必要とする場合——リップシンクするホスト、スポークスパーソン、またはポートレート写真から作られたナレーション付きアバター。npx skills add PrunaAI/pruna-skills@p-video-avatar -y
music-2.5誰かがオリジナルのAI楽曲をボーカル付きで必要とする場合——歌詞付きの歌、スタイルプロンプトトラック、またはミュージックビデオ用のソースオーディオ。npx skills add PrunaAI/[email protected] -y
stable-audio-2.5誰かが軽めのインストゥルメンタルBGMを必要とする場合——会話の下に敷くアンビエントBGM、リールや解説動画のアンダースコア。npx skills add PrunaAI/[email protected] -y

環境

export REPLICATE_API_TOKEN=r8_...

トリミング、シーンVOの結合、BGMとのミックスを行う場合、ffmpeg / ffprobe が必要です。

HTTP (curl)

curl -s -X POST \
  -H "Authorization: Bearer ${REPLICATE_API_TOKEN}" \
  -H "Content-Type: application/json" \
  -d '{
    "input": {
      "text": "[warmly] The plush went flying. [short pause] And then it was gone.",
      "voice": "Sulafat",
      "prompt": "Warm storybook narrator, gentle pace, empathetic, no announcer voice.",
      "language_code": "en-US"
    }
  }' \
  "https://api.replicate.com/v1/models/google/gemini-3.1-flash-tts/predictions"

urls.get をポーリングして status が succeeded になるまで待ち、output(音声URL)をダウンロードします。共有クライアント: pruna-api(ツールスキル内のReplicate HTTP)に従ってください。

生成前

  1. 前提条件ガイドの読み順を完了する。
  2. ユーザーと text、voice、prompt、language_code を確認する。text、prompt、およびインラインの [tags] は 一致 している必要があります——同じ感情の方向性(audio-prompting の tts-style-prompting を参照)。フィールドを列挙する際は、REPLICATE_API_TOKEN(Replicate — PRUNA_API_KEY ではありません)を指定します。
  3. モデルノート: text + prompt の合計は約8,000バイト以下、出力は最大約655秒。TTSを p-video の input.audio として使用する場合、各行を 約19秒以下(ffprobe)に保ってください——P-APIは音声を 20秒 でクリップします。一般的な音声: Kore、Aoede、Sulafat、Achird、Charon、Puck、Vindemiatrix — 完全なリストは Replicate readme を参照してください。

必須入力

  • text(文字列)— 読み上げるコピー。インラインの [tags] をサポート。最大約4,000バイト。

一般的なオプションフィールド

  • voice(デフォルト Kore)
  • prompt — スタイル / ディレクター用ノート(最大約4,000バイト)
  • language_code — BCP-47(デフォルト en-US)

インラインタグ(例): [sigh] [laughing] [whispering] [short pause] [medium pause] [long pause] [excitedly]

典型的な次のステップ

このスキルの後によく続くスキル:

スキル説明インストール
p-videoテキストや画像からシンプルな短いクリップが必要な場合——簡単なBロール、下書き、開始/終了フレームアニメーション。ただし、シネマティックな生成、最高品質、タイトなリップシンク、1080pでのインポート音声が必要な場合は使用しないでください。npx skills add PrunaAI/pruna-skills@p-video -y
p-video-avatar誰かがカメラに向かってスクリプトを話している人物を必要とする場合——リップシンクするホスト、スポークスパーソン、またはポートレート写真から作られたナレーション付きアバター。npx skills add PrunaAI/pruna-skills@p-video-avatar -y
stable-audio-2.5誰かが軽めのインストゥルメンタルBGMを必要とする場合——会話の下に敷くアンビエントBGM、リールや解説動画のアンダースコア。npx skills add PrunaAI/[email protected] -y
narrated-multi-scene複数パートのストーリーをボイスオーバー付きで必要とする場合——エピソード的なBロール、章立てプロモーション、またはカメラ上の会話なしでリンクしたいくつかの動画シーン。npx skills add PrunaAI/pruna-skills@narrated-multi-scene -y
video-editingすでにレンダリングされたクリップをffmpegで組み立てたり仕上げたりする場合——結合、クロスフェード、焼き込みキャプションと字幕、テキスト/ロゴオーバーレイ、ビフォーアフタースライダー、BGMベッド、プラットフォームエクスポート——またはHyperframesを使用したマルチレイヤーHTML合成動画を作成する場合。AI動画生成、プロンプト作成、モデルベースの動画編集には使用しないでください。npx skills add PrunaAI/pruna-skills@video-editing -y

Individual skills in this repo

This repo contains 13 individual skills — each has its own dedicated page.

PrunaAI/pruna-skills

Use when someone wants an original AI song with vocals — sung lyrics, a style prompt track, or source audio for a music video.

PrunaAI/pruna-skills

Use when someone needs word-level timestamps from audio — lyric alignment, cut-safe line boundaries, or caption source timing before burn-in with video-editing.

PrunaAI/pruna-skills

Use before any Pruna or Replicate HTTP call — credentials, upload/poll/download, parallel batches, and agent safety.

PrunaAI/pruna-skills

Use when assembling or polishing already-rendered clips with ffmpeg — concat, crossfades, burned captions and subtitles, text/logo overlays, before/after sliders, background music beds, platform export — or when composing a multi-layer HTML combination video with Hyperframes. Not for AI video generation, prompt craft, or model-based video edits.

PrunaAI/pruna-skills

Use when crafting video or motion prompts for any generative model — dramaturgy, camera, physics-safe motion, frame anchors, and clip chaining.

PrunaAI/pruna-skills

Use when someone wants to edit an existing photo — change outfits or backgrounds, compose from reference images, or apply prompt-driven edits.

PrunaAI/pruna-skills

Use when someone explicitly wants the fastest, cheapest photo generation — mood boards, bulk panels, or quick iterations — not when controlled photoreal or in-image text is needed.

PrunaAI/pruna-skills

Use when someone wants virtual try-on — dress a person in clothes from reference photos for fashion or ecommerce.

PrunaAI/pruna-skills

Use when installing the full Pruna generative media suite — all guides, tools, and workflows in one package.

PrunaAI/pruna-skills

Use when someone wants a cinematic clip from text or start/end frames — product ads, documentary shots, or dialogue with generated audio. Not for 1080p, imported audio tracks, or talking-head-only hosts.

PrunaAI/pruna-skills

Use when someone wants a polished short clip from text, images, or imported audio — 1080p B-roll, start/end frame animation, or a motion shot with a mixed track. Not for cinematic generated-audio clips or talking-head-only hosts.

PrunaAI/pruna-skills

Use when someone wants to edit an existing video with a text instruction — recolor, restyle, remove or add objects, change environment or lighting, update on-screen text, or apply optional reference-guided product and accessory edits. Not for a new clip from scratch or ffmpeg assembly.

PrunaAI/pruna-skills

Use when someone wants a simple short clip from text or images — quick B-roll, drafts, or start/end frame animation. Not when the brief needs cinematic generation, highest quality, tight lip-sync, or imported audio at 1080p.

関連スキル