Launch voice (론칭 음성)
launch-film아래의 도구 매뉴얼입니다. 시작은skills/launch-film/SKILL.md에서 하세요: 여기에 핵심, 훅-플러스-본문 템플릿, 그리고 교훈이 있습니다. 이 페이지와 내용이 다를 경우launch-film이 우선합니다.
현대 론칭 필름에서 음성이 주도하고 영상은 단어 단위로 이를 설명합니다. 음성이 "태그됨"이라고 말하면 무언가가 태그됩니다. 이는 모든 단어에 타임스탬프가 있을 때만 가능합니다.
제공자 (Providers)
- 기본: 사용자 계정의 Higgsfield.
text2speech_v2(엔진:elevenlabs,minimax,seed_speech등, 음성별 상이)를 사용하여 약 100개의 프리셋 음성 중에서 캐스팅하며, 라인당 약 0.3 크레딧이 소모됩니다. Seed Audio는 프롬프트와 오디오 참조로 내레이터를 조정할 수 있습니다.scripts/hf_voice.py가 CLI를 래핑합니다. - 무료 스크래치 보이스:
scripts/scratch_voice.py는 macOS의say(또는 Linux의espeak-ng)를 사용하여 임시 음성을 생성합니다. 이 음성으로 전체 필름을 제작하고 시간을 측정한 후, 모든 리뷰에 "스크래치 보이스"라고 레이블을 붙인 다음 실제 음성으로 교체합니다. - 무료 로컬 클론:
scripts/clone_local.py(Chatterbox, MIT)는 승인된 내레이터의 8~10초 분량 음성에서 클론을 생성합니다. 대체용이지, 마스터는 아닙니다. 권리가 있는 음성만 클론하세요. - 음성 리뷰는 항상 전체 필름 안에서 들어보고, 분리된 클립으로는 듣지 마세요. 거부된 음성 목록을 유지하여 다시 제안되지 않도록 하세요.
캐스팅 (Casting)
python3 skills/launch-voice/scripts/hf_voice.py cast "<필름의 첫 대사>" film/vo/audition명령으로 모든 프리셋 음성(약 110개 음성에 약 34 크레딧)으로 대사를 음성화하고, 각 테이크를 whisper로 확인하며 속도와 피치 변화를 측정합니다.ranking.md에 정확한 테이크가 먼저 나열되고, 초당 2.5단어와 약 2세미톤의 변화(대화체, 강조되지 않음)에 가장 가까운 순서로 정렬됩니다.--only Name,Name옵션으로 일부만 다시 캐스팅할 수 있습니다.- 상위 6개 정도의 음성을(성별 구분하여) 전체 대본에 적용하고(
hf_voice.py lines), 피팅합니다(아래 참조). 12% 이상 속도를 올려야 피팅되는 음성은 대본에 너무 느린 것입니다: 해당 음성을 버리거나 단어를 줄이세요. - 생존한 각 음성으로 전체 필름을 빌드하고 소유자가 선택하도록 하세요. ElevenLabs는 테스트에서 속도와 피치 변화가 가장 적었으므로 기본 엔진입니다.
길이와 속도 (Length and pace)
- 목표 초당 2.2~2.7 단어. 강력한 참조 론칭 필름은 2.4(63초에 151단어)였습니다.
- 20초 필름은 약 45단어, 30초는 약 70단어, 60초는 약 140단어를 담습니다. 음성 속도를 높이기 전에 단어를 줄이세요.
- 스토리보드 프레임당 한 줄, 6~20단어로, 주요 명사나 동사가 비트에 맞춰지도록 구성하세요.
필름 템플릿 절차 (Procedure for the film template)
- 대본은
film/film.json의lines에 있습니다. 라인당 1개 파일을film/vo/body/line-<id>.wav로 기록합니다:hf_voice.py lines로 실제 테이크를 생성하거나(라인을{"lines": [{"line": "02", "text": "..."}]}형식으로 작성),python3 skills/launch-voice/scripts/scratch_voice.py film/film.json으로 스크래치 테이크를 생성합니다(--hook film/hooks/<name>을 추가하면 훅 라인에도 음성을 넣습니다). python3 skills/launch-voice/scripts/prep_lines.py film/film.json을 실행합니다(--align force는 강제 정렬을 강제합니다.uv가 설치되어 있으면 첫 실행 시 약 2GB의 torch를 가져옵니다). 이 명령은film/vo/body/lines.json에 각 라인의 길이와 단어 시간을 기록합니다: torch가 있으면 강제 정렬, 없으면 whisper.cpp, 마지막으로 균등 추정(추정 플래그 포함).film/build.py가 라인을 필름 타임라인에 배치하고 모든 영상 큐는 해당 단어를 따릅니다. 새 테이크는 1회의 prep 실행 후 리빌드하면 됩니다.
자유 형식 필름 절차 (Procedure for a free-form film)
vo/script-lines.json({"lines": [{"line": "01", "text": "..."}]}), 그런 다음 라인당 하나의 파일:hf_voice.py lines vo/script-lines.json vo/takes/<voice> --voice <Name>. 텍스트, 음성, 엔진 및 작업 ID가lines.json에 기록됩니다.- 피팅:
python3 skills/launch-voice/scripts/fit_lines.py vo/placement.plan.json vo/takes/<voice> vo/versions/<voice>. 계획은 각 라인에 가장 빠른 시작 시간, 숨 쉴 간격, 그리고 프레임이 끝나야 하는 경우end_by를 제공합니다. 라인 내 0.25초 이상의 멈춤은 0.22초로 줄이고; 여전히 오버플로되는 라인 묶음은 최대 12%까지 한 번에 속도를 높입니다. 그런 다음 스티칭:python3 skills/launch-voice/scripts/stitch.py vo/versions/<voice>/placement.json vo/versions/<voice> vo/versions/<voice>/vo.wav. - 라인별 단어 시간. 영상이 맞춰져야 하는 모든 부분에 대해 강제 정렬을 사용하세요:
uv run -q --with torch --with torchaudio --with soundfile python skills/launch-voice/scripts/force_align.py line.wav "정확한 단어들". 빠른 읽기가 필요하면align_lines.py가 whisper.cpp를 라인 단위로 실행합니다. 앵커는 말하는 순서대로 해석되므로(각 앵커는 이전 앵커 이후 첫 번째 일치), 어떤 음성이든 필름의 시간을 다시 조정합니다. 전체 필름에 대한 단일 whisper 패스는 라인 끝 부근에서 드리프트가 발생하지만, 라인별 패스는 그렇지 않습니다. - 단어 시간을
launch-motion(각 빌드를 해당 단어에 고정)과launch-sound(이벤트가 단어를 따름)에 전달합니다.
빈티지 내레이터 (Vintage narrator)
아카이브 또는 다큐멘터리 오프닝용: python3 skills/launch-voice/scripts/vintage.py IN.wav OUT.wav --crackle crackle.wav는 150Hz~5.8kHz로 대역 제한하고, 테이프 포화 효과, 느린 와우(wow), 실제 비닐 잡음(Seed Audio로 1개 생성)을 추가합니다. Seed Audio는 또한 빈티지 내레이터 음성으로 직접 라인을 말할 수 있습니다("오래된 비닐 레코드에서 나오는 따뜻하고 깊은 1960년대 다큐멘터리 내레이터 ... 정확히 이 단어들: ..."); 느리게 읽고 표현을 바꿀 수 있으므로("gotta"가 "got to"로 바뀔 수 있음) whisper로 확인하세요.
동기화 규칙 (Sync rules)
- 키워드는 2프레임 이내에 영상과 함께 표시되어야 합니다. 단어의 첫 프레임에서 빌드를 시작하세요. 영상이 단어보다 먼저 나오도록 한다면 4프레임 미만으로 유지하고 모든 곳에서 일관되게 적용하세요.
- 장면 전환 시 음성이 숨 쉴 시간을 주세요: 라인 사이에 0.25~0.5초.
- 마지막 라인은 로고 최소 1초 전에 끝나야 합니다. 로고에는 거의 무음 상태가 제공됩니다(
launch-mix드롭아웃).
음성 제공자를 사용할 수 없을 때 (When the voice provider is unavailable)
스크래치 음성으로 빌드하고, 모든 리뷰에 스크래치라고 레이블링하며, 영상이 정렬된 단어에 고정되도록 유지하세요. 그러면 실제 음성으로 교체하는 것이 1회의 prep 실행과 렌더링만으로 가능합니다. 소유자의 승인 없이 음성 제공자나 계정을 절대 변경하지 마세요.
수정 (Fixes)
- 라인이 5% 미만으로 길게 실행됨:
ffmpeg -af atempo=1.04. 그 이상: 라인을 다시 작성하세요. - 단어 발음이 틀림: 대사의
say필드에 음성 표기로 다시 적으세요(hf_voice.py용). 절대 대본 자체를 수정하지 마세요. - Whisper가 부드러운 끝 발음을 잘못 들음: 강제 정렬을 사용하거나 앵커 접두사를 줄이세요. 다시 녹음하지 마세요.
- 숫자: 정렬할 텍스트에서 철자로 써주세요("24"가 아닌 "twenty four").
- Whisper 기본 모델이 제품명을 잘못 들음. 최종 단어는 small 모델 또는 더 큰 모델(
WHISPER_MODEL)로 확인하세요.