Communitygithub.com

Aseel1600/Edit01

Gere narração expressiva e multilíngue com fish.audio (modelos S1/S2) e reuse vozes clonadas via reference_id. Use quando o usuário preferir fish.audio/Fish Audio TTS, quiser um modelo de voz específico do playground ou precisar de narração com alto teor emocional.

O que é Edit01?

Esta skill integra o serviço de Text-to-Speech (TTS) da fish.audio, permitindo que agentes de IA gerem narração em múltiplos idiomas com emoção incorporada. Ela suporta tanto a geração de voz padrão quanto a reutilização de vozes clonadas por meio de um `reference_id`, que deve ser criado previamente no playground da fish.audio. A skill é compatível com os modelos backend `s2.1-pro`, `s2-pro` e `s1`, sendo que os modelos da geração S2 aceitam tags de emoção inline como `[laugh]` e `[whispers]` para alterar a entonação durante a fala. É necessário configurar a chave de API `FISH_AUDIO_API_KEY` no arquivo `.env`. A skill também oferece parâmetros de ajuste de qualidade e latência (`latency`, `normalize`, `temperature`, etc.) e um fluxo de trabalho recomendado que inclui geração de amostra para aprovação antes da narração completa. Atenção especial é dada ao modelo promocional `s2.1-pro-free`, que é gratuito até 31 de agosto de 2026, mas não deve ser usado em produção.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Aseel1600/Edit01/tree/HEAD/.agents/skills/fish-audio-tts

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

fish.audio TTS

Requer FISH_AUDIO_API_KEY no .env (crie uma em https://fish.audio/go-api/api-keys/). Crie modelos de voz no playground fish.audio e passe o ID deles como reference_id para reutilizar uma voz clonada.

API Atual

Chamada síncrona única que retorna bytes de áudio bruto:

POST https://api.fish.audio/v1/tts
Authorization: Bearer ${FISH_AUDIO_API_KEY}
Content-Type: application/json
model: <modelo do backend>     # Cabeçalho HTTP seleciona o backend, ex: s1

O modelo do backend é escolhido com o cabeçalho HTTP model, não um campo no corpo. No OpenMontage, isso mapeia para a entrada model da ferramenta.

Modelos de backend

model é obrigatório — não há padrão. Passe um dos seguintes:

  • s2.1-pro — última geração. Melhor qualidade: tags de emoção inline, 80+ idiomas, multi-locutor. Narração heróica.
  • s2.1-pro-free — acesso gratuito promocional ao s2.1-pro. Rascunhos, amostras e execuções de validação a $0 durante a janela promocional apenas. De acordo com o anúncio da fish.audio: gratuito até 31 de agosto de 2026, sujeito a Uso Justo, sem garantia de SLA/latência, as solicitações podem ser retidas e o uso comercial é restrito. Nunca roteie narração de produção ou de cliente por ele.
  • s2-pro — primeira geração S2. Alta qualidade estável com suporte a tags de emoção.
  • s1 — carro-chefe anterior. Mantido para compatibilidade com integrações existentes.

O faturamento é por byte UTF-8 do texto de entrada (não por caractere). Texto CJK e emoji custam 3-4x mais que um caractere ASCII do mesmo comprimento visível. Preço atual da lista: s1 / s2-pro / s2.1-pro = $15 por 1M bytes, s2.1-pro-free = $0 apenas durante a janela promocional (a ferramenta estimate_cost() muda para a taxa paga s2.1-pro após 31 de agosto de 2026). Verifique os preços atuais em https://docs.fish.audio/developer-guide/models-pricing/pricing-and-rate-limits antes de grandes lotes.

Tags de emoção inline (apenas modelos S2)

s2-pro / s2.1-pro / s2.1-pro-free interpretam tags de emoção inline incorporadas no texto:

  • Tags como [laugh], [whispers] alteram a entrega no meio da frase.
  • Exemplo: "Isso é hilário [laugh] mas deixe-me explicar seriamente."
  • s1 não interpreta tags de emoção — elas podem ser lidas como texto simples, então remova-as ao usar s1.

Seleção de voz (reference_id)

  • Crie ou escolha uma voz no playground fish.audio e copie o ID do modelo.
  • Passe-o como reference_id. O voice_id genérico do seletor é aceito como alias quando reference_id está ausente.
  • Sem um reference_id, fish.audio usa sua voz padrão para o modelo escolhido.

Clonagem inline instantânea (enviar áudio de referência + texto por solicitação) não é suportada por esta ferramenta — crie um modelo de voz no playground primeiro.

Uso no OpenMontage

Gere com o seletor TTS:

from tools.audio.tts_selector import TTSSelector

result = TTSSelector().execute({
    "preferred_provider": "fish_audio",
    "text": "Veja por que os juros compostos superam silenciosamente todo esquema de enriquecimento rápido.",
    "model": "s1",
    "reference_id": "<ID do modelo de voz do playground>",
    "output_path": "projects/my-video/assets/audio/narration.mp3",
})

Ou chame o provedor diretamente:

from tools.audio.fish_audio_tts import FishAudioTTS

result = FishAudioTTS().execute({
    "text": "Linha de amostra curta para aprovação.",
    "model": "s1",
    "reference_id": "<ID do modelo de voz do playground>",
    "output_path": "projects/my-video/assets/audio/fish_sample.mp3",
})

O provedor escreve o áudio em output_path e retorna data.output mais os valores resolvidos de model e reference_id.

Ajuste de qualidade e latência

  • latency: normal (padrão, melhor qualidade), balanced (um pouco mais rápido) ou low (mais rápido, leve perda de qualidade).
  • normalize: padrão true; mantenha ativado para que números, datas e moedas sejam lidos naturalmente.
  • prosody: opcional { "speed": 1.0, "volume": 0 } para ajustar velocidade/volume.
  • mp3_bitrate: 128 é um bom padrão; aumente para 192 em mixes com muita base musical.
  • temperature: padrão 0.7. Aumente para 0.9 para leituras mais expressivas (recomendado ao usar tags de emoção); diminua para uma entrega mais estável e previsível.
  • top_p / repetition_penalty: geralmente mantenha os padrões (0.7 / 1.2).

Fluxo de Trabalho Recomendado

  1. Gere uma amostra de 10 a 15 segundos com o model + reference_id escolhidos antes de uma narração paga completa.
  2. Peça ao usuário para aprovar a naturalidade da voz, emoção e ritmo.
  3. Gere a narração completa somente após a aprovação.
  4. Para variantes em lote/localização onde o custo importa, prototipe no s2.1-pro-free (janela promocional $0; apenas rascunhos não comerciais) e atualize o final para s2.1-pro.

Solução de Problemas

  • 401 Unauthorized: chave FISH_AUDIO_API_KEY incorreta ou faltando.
  • 402 / erros de pagamento: crédito da conta esgotado.
  • 404 / voz inválida: o reference_id está errado ou não pertence a esta conta.
  • Áudio vazio/curto: verifique se text não está vazio e normalize não está removendo toda a entrada.

Segurança

Nunca imprima ou escreva a chave da API em logs, metadados, patches ou artefatos do projeto. O .env.example deve conter apenas nomes de variáveis vazios.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

Aseel1600/Edit01

Generate AI videos from text prompts using multiple provider gateways. Use when: (1) Generating videos from text descriptions, (2) Creating AI-generated video clips for content production, (3) Image-to-video generation with a reference image, (4) Choosing between video generation providers (VEO, Kling, Sora, Runway, Seedance, MiniMax, Gemini Omni). Supports gateways: HeyGen API, fal.ai API, Kling official direct API, and the Gemini API (Gemini Omni Flash).

Aseel1600/Edit01

Create AI avatar videos with precise control over avatars, voices, scripts, scenes, and backgrounds using HeyGen's v2 API. Use when: (1) Choosing a specific avatar and voice for a video, (2) Writing exact scripts for an avatar to speak, (3) Building multi-scene videos with different backgrounds per scene, (4) Creating transparent WebM videos for compositing, (5) Using talking photos as video presenters, (6) Integrating HeyGen avatars with Remotion, (7) Batch video generation with exact specs, (8) Brand-consistent production videos with precise control.

Aseel1600/Edit01

Use p5.js/canvas for local procedural character effects: particles, weather, squash/stretch, walk cycles, and environmental motion.

Aseel1600/Edit01

Review local character animation with schema checks, Playwright browser previews, frame sampling, and FFmpeg/ffprobe final output checks.

Aseel1600/Edit01

Create videos from a text prompt using HeyGen's Video Agent. Use when: (1) Creating a video from a description or idea, (2) Generating explainer, demo, or marketing videos from a prompt, (3) Making a video without specifying exact avatars, voices, or scenes, (4) Quick video prototyping or drafts, (5) One-shot prompt-to-video generation, (6) User says "make me a video" or "create a video about X".

Aseel1600/Edit01

Generate Mandarin and multilingual narration with Volcengine Doubao Speech 2.0. Use when creating Chinese voiceovers, when the user prefers Doubao/Volcengine/火山引擎/豆包 TTS, or when narration needs character-level timestamp metadata for subtitles.

Aseel1600/Edit01

Video and audio processing with FFmpeg. Use for format conversion, resizing, compression, audio extraction, and preparing assets for Remotion. Triggers include converting GIF to MP4, resizing video, extracting audio, compressing files, or any media transformation task.

Aseel1600/Edit01

Use when implementing Disney's 12 animation principles with Framer Motion in React applications

Aseel1600/Edit01

All animation knowledge for HyperFrames — atomic motion rules, multi-phase scene blueprints, scene transitions, broader motion-design techniques, AND the seven runtime adapters (GSAP default, plus Lottie, Three.js, Anime.js, CSS keyframes, Web Animations API, TypeGPU). Use for any motion or animation task: pick 2-4 rules and compose, or load a blueprint, or look up runtime-specific API (e.g. GSAP eases / Lottie player / Three.js mixer). HyperFrames-native: single paused timeline, seek-safe, deterministic.

Aseel1600/Edit01

HyperFrames CLI dev loop. Use when running npx hyperframes init, add, catalog, capture, lint, validate, inspect, layout, snapshot, preview, play, render, publish, lambda, doctor, browser, info, upgrade, skills, compositions, docs, benchmark, telemetry, transcribe, tts, or remove-background, or when troubleshooting the HyperFrames build/render environment. Entry point for AWS Lambda cloud rendering (`hyperframes lambda deploy / render / progress / destroy / policies`).

Aseel1600/Edit01

The HyperFrames composition contract — build one renderable project. Use for composition structure, the `data-*` timing attributes, `class="clip"`, tracks, sub-compositions, variables, framework-owned media playback, deterministic-render rules, and validation. Read before writing composition HTML.

Aseel1600/Edit01

Non-animation creative direction for HyperFrames videos. Use for design spec (frame.md / design.md) handling, palettes, typography, narration, beat planning, audio-reactive visuals, composition patterns, and brand / style decisions. For atomic motion patterns and scene blueprints, use `hyperframes-animation`.

Aseel1600/Edit01

Audio and media assets for HyperFrames compositions, produced by one shared audio engine (`scripts/audio.mjs`) — multi-provider TTS (HeyGen / ElevenLabs / Kokoro local), background music + sound effects (HeyGen audio-library retrieval by default, with local Lyria / MusicGen BGM generation and a bundled SFX library as the no-credential fallback), Whisper transcription, background removal, and caption authoring. Use for voiceover / TTS, BGM, SFX / sound effects, transcription, captions / subtitles / lyrics / karaoke / per-word styling, voice + provider selection, and music-mood prompting.

Aseel1600/Edit01

Install and wire registry blocks and components into HyperFrames compositions. Use when running hyperframes add, installing a block or component, wiring an installed item into index.html, or working with hyperframes.json. Covers the add command, install locations, block sub-composition wiring, component snippet merging, registry discovery, and authoring a new block or component to contribute upstream (idea → scaffold → validate → PR).

Aseel1600/Edit01

Use when the user wants a short, design-led motion graphic where motion is the message: kinetic typography, stat or number count-up, chart/data-viz hit, logo sting, brand lockup, lower-third, callout, social overlay, animated headline/tweet/news item, motion poster, or quick captured-page highlight. Usually under 10s and up to ~30s, with no narration arc, voice-over, or live-action subject. Can render to MP4 or transparent overlay. Not for longer, multi-scene, narrated, or brand-reel pieces (use general-video), narrated website videos (website-to-video), topic explainers (faceless-explainer), product promos (product-launch-video), PR videos (pr-to-video), or captions on existing footage (embedded-captions). When unsure whether it's a quick motion-first piece or a longer / narrated treatment, see /hyperframes.

Aseel1600/Edit01

Use when the user has a music track (an audio file, or a video to pull audio from) and wants a beat-synced HyperFrames video, calm to hard-hitting. The music drives everything: one analyzer reads it once, the orchestrator lays out the frames and fills a per-frame plan, and one sub-agent builds each frame. Typography and templates are the floor — a complete video needs zero assets — but any images or videos the user supplies are cut into the frames on the same beat grid (beat-cut / ken-burns). The genre (lyric video, slideshow, kinetic promo) falls out of the per-frame choices; the pipeline never branches on it.

Aseel1600/Edit01

Best practices for Remotion - Video creation in React

Aseel1600/Edit01

Toolkit-specific Remotion patterns — custom transitions, shared components, and project conventions. For core Remotion framework knowledge (hooks, animations, rendering, etc.), see the `remotion-official` skill.

Aseel1600/Edit01

Port an existing Remotion (React) composition to HyperFrames HTML. Use ONLY when the user explicitly asks to port/convert/migrate/translate a Remotion source. Do NOT use: (a) authoring a new HyperFrames composition; (b) Remotion mentioned in passing; (c) Remotion code shared as reference only; (d) "same video as my Remotion one" without explicit migrate request — treat as fresh build. Doubt → `/general-video`. One-way, Remotion-only: no reverse export (HyperFrames→Remotion or any framework), no non-Remotion source (After Effects, Framer Motion, plain React/CSS) → out of scope, re-create via `/general-video`. Flags unsupported patterns (useState, useEffect, async calculateMetadata, third-party React libs, `@remotion/lambda`) and recommends runtime interop over lossy translation. Unsure whether to port vs. build fresh, or only a passing Remotion mention? → /hyperframes.

Aseel1600/Edit01

Animate SVG character rigs with GSAP, CSS transforms, Remotion frame control, and HyperFrames-compatible browser previews.

Habilidades Relacionadas