Communitygithub.com

long-video-voice

승인된 비디오 스크립트에 대한 음성 오디오(내레이션 및 캐릭터 음성)를 생성합니다. 먼저 비디오에 음성이 필요한지 결정하고 사용자에게 확인을 요청합니다. 필요한 경우 음성 캐스트(내레이터 및 각 대화 캐릭터)를 구성하고 ElevenLabs MCP와 같은 사용 가능한 도구로 각 음성의 짧은 샘플을 만들어 사용자의 승인을 받은 후 장면 번호와 화자를 포함한 이름으로 각 음성 라인당 하나의 오디오 파일을 생성합니다. 또는 사용자가 직접 녹음하거나 생성할 수 있도록 라인, 파일 이름 및 폴더를 제공합니다. long-video-clips(또는 long-video-keyframes) 이후 또는 사용자가 내레이션, 음성 해설, 음성 또는 대화 오디오를 요청할 때 사용합니다.

long-video-voice란 무엇인가요?

이 스킬은 장편 비디오 워크플로의 7단계로, 승인된 비디오 스크립트에 대한 음성 오디오(내레이션 및 캐릭터 음성)를 생성합니다. 먼저 비디오에 음성이 필요한지 자동으로 결정하고 사용자 확인을 요청합니다. 필요한 경우 내레이터와 각 대화 캐릭터로 구성된 음성 캐스트를 구축하고 ElevenLabs MCP와 같은 연결된 도구를 사용하여 각 음성의 짧은 샘플을 만들어 사용자 승인을 받습니다. 승인 후에는 장면 번호와 화자 이름을 포함한 명명 규칙으로 각 음성 라인당 하나의 오디오 파일을 생성합니다. 또는 사용자가 직접 녹음하거나 생성할 수 있도록 voice-scripts를 제공하는 대체 워크플로를 지원합니다. 이 스킬은 long-video-clips 또는 long-video-keyframes 이후에 사용하거나 사용자가 내레이션, 음성 해설, 음성 또는 대화 오디오를 요청할 때 사용합니다.

지원 대상✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/samanfirouzi/long-video-skill/tree/HEAD/skills/long-video-voice

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

Long video voice

Long video 워크플로의 7단계. 결과물: 각 음성 라인당 하나의 오디오 파일 폴더(파일은 장면과 화자별로 명명됨). 또는 비디오에 음성이 필요 없다는 결정.

장면은 스크립트의 한 클립(한 컷, 최대 10초)을 의미하며, 이전 단계에서와 같이 비디오 전체에 걸쳐 순서대로 번호가 매겨집니다.

시작하기 전에

  1. ~/.long-video/projects/<slug>/에서 프로젝트를 찾습니다. status: approved와 film-style.md가 있는 video-script.md가 필요합니다.
  2. 프로젝트 구성을 로드합니다: 언어, 음성 해설 소스 및 제공자(audio.voiceover), providers.tts, 승인 수준, 예산.
  3. film-style.md에서 말하기 모드 및 음성 설명을 읽습니다.
  4. audio/ 또는 voice-scripts/가 이미 존재하면, 묻습니다: 계속할지(완료된 항목 나열), 아니면 다시 시작할지.

1단계: 비디오에 음성이 필요한가요?

묻기 전에 먼저 파악합니다. 확인할 사항:

  • film-style.md의 말하기 모드(내레이터, 캐릭터, 혼합),
  • 구성의 audio.voiceover.source(none, self-recorded, cloud-tts, local-tts),
  • 스크립트에 포함된 내레이션 또는 대화 라인의 수와 해당 라인이 포함된 장면의 수.

그런 다음 이유와 함께 권장 사항을 제시하고 확인을 요청합니다. 예: "스크립트에는 104개 장면 중 96개 장면에 142개의 내레이션 라인이 있으며, 구성은 클라우드 텍스트 음성 변환을 사용합니다. 내레이션 비디오를 권장합니다. 음성을 생성할까요?"

  • 스크립트에 음성 라인이 없거나 구성에서 음성 해설 없음을 지정하는 경우: 이유와 함께 건너뛰기를 권장합니다.
  • 승인됨. 2단계로 계속 진행합니다.
  • 필요 없음. project.json에 "voice_mode": "none" 및 "stage": "voice-skipped"를 설정합니다. 이후 단계에서는 음악과 효과만 사용할 것이라고 말합니다. 중지합니다.
  • 권장 사항에 동의하지 않음. 사용자를 따릅니다. 음성이 none이었는데 사용자가 이제 원하는 경우 구성 메모를 업데이트합니다.

사용자의 확인 없이 음성을 절대 생성하지 마십시오.

2단계: 음성 캐스트 구축

  1. 모든 화자를 나열합니다: 내레이터(있는 경우)와 대사가 있는 각 캐릭터. 각 화자의 라인 수를 셉니다.
  2. 각 화자에 대해 film-style.md에서 음성 설명(나이, 톤, 억양, 속도)을 가져옵니다. 설명이 누락된 경우 visual-bible.md의 캐릭터 설명에서 하나를 제안하고 "제안됨"으로 표시합니다.
  3. 캐스트를 표로 표시합니다: 화자, id, 라인 수, 음성 설명. 사용자에게 확인 또는 편집을 요청합니다.
  4. 화자 id: narrator 또는 캐릭터 id에서 char- 접두사를 제외한 것(예: char-mara는 mara가 됨). 이 id는 파일 이름에 사용됩니다.

3단계: 오디오 제작 방식 선택

다음과 같이 묻습니다: "Claude가 음성을 생성할까요, 아니면 직접 만들겠습니까(녹음 또는 자체 도구 사용)?"

  • Claude가 생성. 4단계로 이동합니다.
  • 내가 직접 만듦. 6단계로 이동합니다.
  • 둘 다. 음성 스크립트를 작성(6단계)하고 동시에 생성(4단계)합니다.
  • audio.voiceover.source가 self-recorded인 경우 바로 6단계로 이동합니다.

4단계: 음성 도구 찾기 및 샘플 만들기

references/voice-generation.md를 읽습니다. 요약:

  1. 구성에 저장된 방법(providers.tts)이 있으면 사용합니다. 테스트합니다.
  2. 이 세션에서 음성을 생성하는 연결된 도구(ElevenLabs MCP 또는 이와 유사한 것, 또는 음성 도구가 있는 스킬)를 찾습니다.
  3. 장치에서 API 키 환경 변수를 확인합니다. "설정됨" 또는 "설정되지 않음"만 출력합니다.
  4. 로컬 텍스트 음성 변환 도구를 확인합니다.
  5. 아무것도 발견되지 않으면 사용자에게 API 키(환경 변수로, 채팅에 붙여넣지 않음), 연결할 MCP 서버, 또는 브라우저의 음성 사이트가 있는지 묻습니다. 또는 6단계로 이동합니다.

음성 샘플이 먼저입니다. 사용자가 음성을 승인하기 전에 전체 오디오를 절대 생성하지 마십시오.

  1. 각 화자에 대해 설명에 맞는 음성을 선택합니다. 도구의 음성을 나열하고 그중에서 선택합니다. 절대 기억에서 음성 id를 사용하지 마십시오. 도구가 설명에서 새 음성을 디자인할 수 있는 경우, 맞추기 어려운 음성에 대해 제공합니다.
  2. 화자당 짧은 샘플 하나(5~15초)를 만듭니다. 구성 언어로 해당 화자가 말하는 스크립트의 실제 라인을 사용합니다. 내레이터의 경우 시작 라인을 사용합니다. 라인에 전달 노트가 있으면 포함합니다.
  3. 샘플을 audio/samples/에 sample_<speaker>.mp3로 저장합니다.
  4. 각 샘플을 화자, 음성 이름 및 라인과 함께 제시합니다. 사용자에게 승인을 요청하거나 다른 음성을 요청합니다. 다른 음성을 요청하면 새 샘플을 만듭니다(한 번에 하나씩, 배치 재시도 금지). 각 화자가 승인될 때까지 반복합니다.
  5. 승인된 음성을 voice-cast.md에 기록합니다(화자, 음성 이름, 음성 id, 설정, 샘플 파일). 일치하도록 film-style.md의 음성 목록을 업데이트합니다.

재시도를 위해 생성 호출을 반복하지 마십시오. 각 호출은 다시 요금이 부과될 수 있습니다.

5단계: 라인 생성

  1. references/voice-script-format.md를 읽습니다. 스크립트에서 라인 목록을 작성합니다: 장면 순서대로 각 음성 라인당 하나의 항목.
  2. 사용자에게 라인 수, 총 음성 시간 및 대략적인 비용을 알립니다. 시작하기 전에 묻습니다. 예를 들어 장면 1부터 10까지 범위로 시작하는 것을 제안합니다.
  3. 테스트 장면. 음성이 포함된 첫 번째 장면을 생성합니다. 재생하거나 지속 시간을 보고합니다. 전달이 올바른지 묻습니다. 먼저 설정을 수정합니다.
  4. 승인된 음성만 사용하여 장면 순서대로 생성합니다. 전달 노트를 적용합니다. 라인 목록의 발음 노트를 사용합니다.
  5. 각 라인을 audio/lines/scene-<NNN>_<speaker>_<NN>.<ext>로 저장합니다. 묻지 않고 파일을 덮어쓰지 마십시오.
  6. 각 파일 후에 ffprobe로 지속 시간을 측정합니다. 스크립트의 장면 지속 시간과 비교합니다(적합 규칙은 형식 참조 참조). 결과를 기록합니다.
  7. 라인이 장면에 맞지 않으면 단어를 변경하지 마십시오. 옵션을 제공합니다: 약간 더 빠른 전달(최대 10%), 더 긴 장면(여전히 10초 제한 내), 또는 사용자의 승인을 받아 두 장면에 라인 분할.
  8. 한 번에 모두 또는 하나씩: 사용자에게 묻습니다. 하나씩은 각 라인의 결과를 재생하고 승인 또는 재실행 요청을 기다립니다.
  9. 도구가 비디오 클립 내에서 자체 오디오(립싱크)를 만드는 경우, 해당 오디오를 유지할지 아니면 이 파일을 사용할지 묻습니다. audio/status.md에 답변을 기록합니다.

생성이 실패하거나 사용자가 거부하면 나머지 장면에 대해 6단계로 대체합니다.

6단계: 사용자를 위한 음성 스크립트

  1. 완성된 오디오 파일을 위한 audio/lines/와 라인 목록을 위한 voice-scripts/를 만듭니다. 전체 경로를 표시합니다.
  2. 20개 장면의 배치 파일(scenes-001-020.md)과 voice-scripts/index.md를 형식 참조에 따라 작성합니다. 각 라인에는 다음이 포함됩니다:
    • 저장할 파일 이름: audio/lines/scene-007_narrator_01.mp3
    • 화자 및 음성 설명
    • 정확한 텍스트, 전달 노트 및 발음 노트
    • 장면 지속 시간(오디오를 이에 대해 확인할 수 있도록)
  3. 묻습니다: 한 번에 모두, 아니면 하나씩.
    • 한 번에 모두. 폴더 경로와 하나의 예를 보여줍니다. 사용자가 배치 파일을 통해 작업합니다.
    • 하나씩. 첫 번째 라인과 파일 이름을 보여줍니다. 사용자가 저장했다고 말할 때까지 기다립니다. 파일이 올바른 이름으로 존재하는지 확인하고 지속 시간을 측정합니다. 그런 다음 다음 라인을 보여줍니다.
  4. 언제든지 폴더를 확인하는 것을 제안합니다: 인덱스와 파일을 비교하고 누락, 이름 오류 또는 너무 긴 오디오를 나열합니다.

7단계: 상태 및 완료

  1. 형식 참조의 표와 함께 audio/status.md를 최신 상태로 유지합니다. 상태 값: pending, done, needs-manual, skipped.
  2. project.json을 업데이트합니다: 라인 목록이 저장된 후 "stage": "voice-prompts-done", 모든 음성 라인에 오디오 파일이 있고 사용자가 세트를 승인하면 "stage": "voice-done".
  3. 사용자에게 audio/ 및 voice-scripts/의 경로, 비디오 시간 대비 총 음성 시간, 누락되거나 너무 긴 항목을 알려줍니다.
  4. 구성(providers.tts)에 작업 도구(방법 및 이름만)를 저장하는 것을 제안합니다.
  5. long-video-sound(음향 효과, 분위기 및 배경 음악)로 계속 진행하는 것을 제안합니다. 사용자가 동의하는 경우에만 시작합니다. 사용자가 요청하고 해당 단계가 존재하지 않는 한 다른 이후 단계를 시작하지 마십시오.

규칙

  • 1단계에서 사용자의 확인 없이 음성을 절대 생성하지 마십시오.
  • 음성 샘플이 승인되기 전에 전체 오디오를 절대 생성하지 마십시오.
  • 스크립트 단어를 절대 변경하지 마십시오. 라인이 맞지 않으면 먼저 물어보십시오.
  • 도구의 자체 음성 목록이나 사용자로부터 온 것이 아닌 음성 id를 절대 사용하지 마십시오.
  • 채팅에서 API 키를 절대 요청하지 마십시오. 브라우저에서 비밀번호를 입력하거나 CAPTCHA를 해결하지 마십시오.
  • 재시도하기 위해 생성 호출을 조용히 반복하지 마십시오. 각 호출은 다시 요금이 부과될 수 있습니다.
  • 라인 목록이 승인된 후에는 파일 이름을 절대 바꾸지 마십시오.
  • 채팅 메시지를 짧게 유지하십시오. 전체 라인 목록은 파일에 넣으십시오.

Individual skills in this repo

This repo contains 6 individual skills — each has its own dedicated page.

long-video-assets

Video and animation skill. Build the visual foundation for a long video from an approved story. Extracts the recurring characters, environments and key objects, helps the user choose one art style from suggested options (10 at a time, more on request), then writes image generation prompts for every character (portrait plus character sheet), environment and object, all sharing one locked style. Can also generate the images (installed tool, API, MCP or browser) or hand the user a folder and file names to fill. Use after lon

long-video-director

Turn an approved story into a shot-by-shot video script, acting as the director. Asks whether the video uses a narrator or characters who speak (or both), suggests professional filming choices (camera type, lenses, camera movement, lighting, color, pacing), saves them as a separate film style file, then writes a script that matches the project config. Outputs film-style.md and video-script.md. Use after long-video-story (and long-video-assets) are done, or when the user asks for the video script, shot list, camera style or lighting plan.

long-video-keyframes

Create the start and end frame image for every scene (clip) of the approved video script. Writes one image prompt per frame with a fixed file name that holds the scene number and start or end, makes a folder for the images, and can generate the images with an available image tool, or hand the prompts to the user all at once or one by one. Use after long-video-director, or when the user asks for start frames, end frames, keyframes or scene images.

long-video-render

Assemble the finished video and run the review loop. Builds the edit from the clips (or images with camera moves), voice, sound stems and captions, renders a low quality review version with scene numbers and time burned in so a client can review it, collects and applies changes (re-rendering reviews as often as needed), and when the user approves, renders the high quality final video. Uses a video editor with a CLI or MCP (FilmCraft, EffectCraft or another) if one is available and the user wants it, otherwise the bundled ffmpeg renderer. Use after long-video-sound, or when the user asks to render, assemble, export, preview or finalize the video.

long-video-sound

Video and animation skill. Create the sound effects, ambience and background music for the video and place them on the timeline. Plans the sound design from the approved script, sources or makes each sound (Openverse for openly licensed recordings and music, Earshot to make sounds from words and to listen to and judge sounds, Clipwing real-sfx to place real sounds on exact frames), records licences and credits, and mixes separate stems (effects, ambience, music) with the music ducked under speech. Or gives the user a fold

long-video-story

Agree on the story for a long video. The user either supplies a story or asks Claude to write one. When Claude writes, it first asks which story style to use (for example niche discovery, or a provocative-questions narration), runs that style's skill, and revises until the user approves. Use after long-video-setup, or when the user says "story for my video", "give me an idea", or wants to change an unapproved story. Ends only when the user explicitly approves the story.

관련 스킬