xiaocong3/ecommerce-video-skills

Narração de voz com IA para e-commerce: use o edge-tts gratuito (voz online da Microsoft Edge) para gerar narrações frase a frase para vídeos de vendas, removendo automaticamente silêncios no início/fim, estatísticas de duração por frase, cache reutilizável, com opções de tom, velocidade e pitch, além de regras de reescrita de roteiro.

O que é ecommerce-video-skills?

Este skill oferece um pipeline completo de texto-para-fala (TTS) voltado para criação de narrações profissionais para vídeos de e-commerce, como os do TikTok, Douyin ou WeChat Video. Ele utiliza a ferramenta gratuita edge-tts (Microsoft Edge Online Voice) para converter roteiros de narração em arquivos de áudio WAV de alta qualidade (48 kHz, sem silêncios nas bordas) e gera um arquivo `durations.json` com a duração real de cada frase, garantindo sincronia perfeita entre áudio e vídeo. O skill suporta múltiplos tons de voz (masculino/feminino, animado/sério, para diferentes regiões como China, Taiwan, Hong Kong e inglês), controle de velocidade e pitch, e inclui regras claras de reescrita de roteiro para otimizar a leitura por TTS (ex: números escritos como 'liǎng hé bā G', siglas com espaços). Ele é ideal para usuários que precisam gerar narrações de IA rapidamente para vídeos curtos, substituindo gravações humanas em fluxos de produção, e funciona tanto como script independente quanto integrado a pipelines de montagem de vídeo (ex: `ffmpeg-auto-assemble`).

Funciona com~Claude Code~Codex CLI~Cursor

npx skills add https://github.com/xiaocong3/ecommerce-video-skills/tree/HEAD/skills/ai-voiceover-edge-tts

Documentação

Narração de Voz com IA · Voice-over com edge-tts

Síntese frase a frase → remoção de silêncio → WAV 48 kHz → durations.json. Dessa forma, legendas e durações de cena são alinhadas com a narração real – sem mais dessincronização.

Parte de ecommerce-video-skills · Script: scripts/tts_edge.py (dependências apenas edge-tts + ffmpeg)

Entradas Inputs

Roteiro de narração (uma frase por linha, ou campo line do storyboard.json)
Idioma / preferência de tom (masculino/feminino, animado/sério), velocidade
Ambiente: pip install edge-tts, ffmpeg, rede com acesso ao serviço TTS da Microsoft

Passos Steps

Reescreva o roteiro para ser "bem lido" (veja regras), com 8–20 caracteres por frase.

Escolha o tom (python scripts/tts_edge.py --list zh-CN para ver todos):

Cenário	Tom Recomendado
Entusiasmo/Produto (masculino)	`zh-CN-YunxiNeural`
Entusiasmo Amigável (feminino)	`zh-CN-XiaoxiaoNeural` / `zh-CN-XiaoyiNeural`
Promoção Intensa	`zh-CN-YunjianNeural`
Explicação Profissional	`zh-CN-YunyangNeural`
Taiwan / Hong Kong	`zh-TW-HsiaoChenNeural` / `zh-HK-HiuMaanNeural`
English	`en-US-AndrewNeural` · `en-US-AvaNeural` · `en-US-EmmaNeural`

Sintetize:

pip install edge-tts
# Teste uma frase
python scripts/tts_edge.py "Saiu de casa com água gelada e antes do meio-dia já está morna?" --voice zh-CN-YunxiNeural --rate "+10%" -o out/hook.wav
# Storyboard completo (uma frase por cena → build/tts/l00.wav … + durations.json)
python scripts/tts_edge.py --storyboard storyboard.json --outdir build/tts

Teste 2 frases antes de processar tudo: velocidade +5%～+15% soa mais natural para narração de vendas; acima de +20% parece apressado.
Passe para ffmpeg-auto-assemble (que chamará este script automaticamente) ou para seu software de edição.

Regras de Reescrita do Roteiro Script rules

Escreva números como são lidos: 2 núcleos 8G → dois núcleos oito G; 24h → vinte e quatro horas; em siglas, insira espaços entre letras A I. Legenda pode manter a grafia original (campo sub).
Cada frase deve dizer uma única coisa; vírgula é ponto de respiração, ponto final ou interrogação para dar entonação natural.
Elimine termos formais: "Este produto possui…" → "Este copo…".
Se uma marca em inglês for lida errada, escreva a pronúncia fonética ou aproximada no line, enquanto sub mantém a grafia correta.

Template de Prompt Prompt template

Reescreva o texto promocional abaixo para narração TTS: cada frase com 8–20 caracteres, uma ideia por frase, linguagem coloquial;
números e letras escritos como são lidos; além disso, produza uma coluna "Legenda" mantendo a grafia original e **negrito** em 1 palavra-chave.
Não adicione argumentos de venda ou dados que não estejam no original. Original: {…}

Lista de Verificação Checklist

Teste 2 frases para confirmar tom/velocidade
Pronúncia correta de números, inglês, nomes de marcas
durations.json gerado, duração total dentro do esperado
Antes de uso comercial, verifique exigências de rotulagem de áudio gerado por IA na plataforma/região (ex: exigir marcador "Gerado por IA")

Problemas Comuns e Correções Failure fixes

Problema	Correção
`edge-tts failed` / timeout	Problema de rede; script já tenta 3 vezes; troque de rede ou tente mais tarde; offline use `assemble.py --tts none` para pré-visualizar vídeo
Pronúncia errada	Escreva pronúncia fonética/aproximada no `line`, `sub` mantém original
Pausa longa entre frases	Remoção automática de silêncio já aplicada; ajuste `pad` do storyboard (padrão 0.25s)
Voz monótona	Troque para `YunjianNeural`/`XiaoyiNeural`; `--pitch "+5Hz"`; termine frases com ?/!
Necessidade de voz humana	edge-tts é sintetizada; para alta exigência, use gravação real – pipeline funciona igual (coloque áudio em `build/tts/lXX.wav`)

O edge-tts é mantido pela comunidade (rany2/edge-tts, LGPL-3.0), chamando serviços online da Microsoft; este repositório apenas o instala como dependência, sem incluir seu código.