Communitygithub.com

Aadi-110i/PEP-PROJECT

Síntese de fala premium com 22+ vozes da ElevenLabs, suporte multilíngue e ajuste de voz via CLI do inference.sh.

O que é PEP-PROJECT?

Esta habilidade oferece integração direta com a API de síntese de fala da ElevenLabs através da CLI do `inference.sh` (belt), permitindo gerar áudio de alta qualidade a partir de texto. Ela suporta mais de 22 vozes premium (femininas e masculinas) com estilos variados, abrangendo 32 idiomas. Os modelos disponíveis incluem o `eleven_multilingual_v2` para máxima qualidade, `eleven_turbo_v2_5` para equilíbrio entre velocidade e qualidade, e `eleven_flash_v2_5` para latência ultrabaixa. Você pode ajustar parâmetros como estabilidade, similaridade e estilo, além de escolher formatos de saída como MP3 e PCM. Ideal para voiceovers, audiolivros, podcasts, narração de vídeos, acessibilidade e sistemas IVR, a habilidade também se integra a fluxos de trabalho de vídeo (como o gerador de cabeças falantes OmniHuman da ByteDance) e lista habilidades relacionadas, como diálogo multi-locutor e troca de voz. O uso é feito por meio de comandos `belt app run` com entrada JSON, tornando a síntese de fala profissional facilmente acessível para desenvolvedores e criadores de conteúdo.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Aadi-110i/PEP-PROJECT/tree/HEAD/skills/elevenlabs-tts

Perguntar na sua IA favorita

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

Prévia

Do README da skill

ElevenLabs TTS

Documentação

ElevenLabs Texto-para-Fala

Síntese de fala premium com 22+ vozes via CLI do inference.sh.

ElevenLabs TTS

Início Rápido

Requer a CLI belt do inference.sh. Instruções de instalação

belt login

# Gerar fala com ElevenLabs
belt app run elevenlabs/tts --input '{"text": "Olá, bem-vindo à nossa demonstração do produto.", "voice": "aria"}'

Modelos Disponíveis

ModeloIDMelhor ParaLatência
Multilingual v2eleven_multilingual_v2Máxima qualidade, 32 idiomas~250ms
Turbo v2.5eleven_turbo_v2_5Equilíbrio entre velocidade e qualidade~150ms
Flash v2.5eleven_flash_v2_5Latência ultrabaixa~75ms

Biblioteca de Vozes

Vozes Femininas

VozEstilo
ariaAmericana, conversacional
aliceBritânica, confiante
bellaAmericana, calorosa
jessicaAmericana, expressiva
lauraAmericana, profissional
lilyBritânica, suave
sarahAmericana, amigável

Vozes Masculinas

VozEstilo
georgeBritânica, autoritária
adamAmericana, grave
billAmericana, madura
brianAmericana, conversacional
callumTransatlântica, intensa
charlieAustraliana, natural
chrisAmericana, casual
danielBritânica, imponente
ericAmericana, amigável
harryAmericana, jovem
liamAmericana, articulada
matildaAmericana, calorosa
riverAmericana, confiante
rogerAmericana, autoritária
willAmericana, clara

Exemplos

Fala Básica

belt app run elevenlabs/tts --input '{"text": "Bem-vindo à nossa apresentação de resultados trimestrais.", "voice": "george"}'

Escolher um Modelo

# Máxima qualidade
belt app run elevenlabs/tts --input '{
  "text": "Este é nosso modelo multilíngue premium com a melhor qualidade.",
  "voice": "aria",
  "model": "eleven_multilingual_v2"
}'

# Ultra-rápido para aplicações em tempo real
belt app run elevenlabs/tts --input '{
  "text": "Modelo Flash para aplicações de baixa latência.",
  "voice": "brian",
  "model": "eleven_flash_v2_5"
}'

Ajuste de Voz

belt app run elevenlabs/tts --input '{
  "text": "Ajuste fino das características de voz para seu caso de uso.",
  "voice": "bella",
  "stability": 0.3,
  "similarity_boost": 0.9,
  "style": 0.4
}'
ParâmetroFaixaEfeito
stability0-1Maior = mais consistente, menor = mais expressivo
similarity_boost0-1Maior = mais próximo do caráter original da voz
style0-1Maior = mais exagero de estilo
use_speaker_boosttrue/falseMelhora a clareza do locutor

Formatos de Saída

# MP3 de alta qualidade
belt app run elevenlabs/tts --input '{
  "text": "Saída de áudio de alta qualidade.",
  "voice": "daniel",
  "output_format": "mp3_44100_192"
}'
FormatoDescrição
mp3_44100_128MP3 a 44.1kHz, 128kbps (padrão)
mp3_44100_192MP3 a 44.1kHz, 192kbps
pcm_16000PCM bruto a 16kHz
pcm_22050PCM bruto a 22.05kHz
pcm_24000PCM bruto a 24kHz
pcm_44100PCM bruto a 44.1kHz

Multilíngue

A ElevenLabs suporta 32 idiomas, incluindo inglês, espanhol, francês, alemão, italiano, português, chinês, japonês, coreano, árabe, hindi, russo e muito mais.

# Espanhol
belt app run elevenlabs/tts --input '{
  "text": "Hola, bienvenidos a nuestra presentación.",
  "voice": "aria",
  "model": "eleven_multilingual_v2"
}'

# Francês
belt app run elevenlabs/tts --input '{
  "text": "Bonjour, bienvenue à notre démonstration.",
  "voice": "alice",
  "model": "eleven_multilingual_v2"
}'

Fluxo de Trabalho: Voz + Vídeo

# 1. Gerar narração
belt app run elevenlabs/tts --input '{
  "text": "Apresentando o futuro da criação de conteúdo com IA.",
  "voice": "george"
}' > voiceover.json

# 2. Criar vídeo com cabeça falante
belt app run bytedance/omnihuman-1-5 --input '{
  "image_url": "https://portrait.jpg",
  "audio_url": "<audio-url-from-step-1>"
}'

Casos de Uso

  • Narrações: Demonstrações de produtos, vídeos explicativos, comerciais
  • Audiolivros: Narração longa com vozes consistentes
  • Podcasts: Apresentadores de IA com entrega natural
  • E-learning: Narração de cursos em vários idiomas
  • Acessibilidade: Conteúdo para leitores de tela de alta qualidade
  • IVR: Mensagens profissionais para sistemas telefônicos
  • Narração de Vídeos: Conteúdo para documentários e redes sociais

Habilidades Relacionadas

# Diálogo multi-locutor da ElevenLabs
npx skills add inference-sh/skills@elevenlabs-dialogue

# Troca de voz da ElevenLabs
npx skills add inference-sh/skills@elevenlabs-voice-changer

# Efeitos sonoros da ElevenLabs
npx skills add inference-sh/skills@elevenlabs-sound-effects

# Todos os modelos de TTS (Kokoro, DIA, Chatterbox e mais)
npx skills add inference-sh/skills@text-to-speech

# Habilidade completa da plataforma (mais de 250 aplicativos)
npx skills add inference-sh/skills@infsh-cli

Navegue por todos os aplicativos de áudio: belt app list --category audio

Individual skills in this repo

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

Aadi-110i/PEP-PROJECT

Create AI avatar and talking head videos via inference.sh CLI. Recommended: P-Video-Avatar (fastest, cheapest, built-in TTS). Also: OmniHuman, Fabric, PixVerse. Capabilities: audio-driven avatars, text-to-avatar, lipsync videos, talking head generation, virtual presenters. Use for: AI presenters, explainer videos, virtual influencers, dubbing, marketing videos. Triggers: ai avatar, talking head, lipsync, avatar video, virtual presenter, ai spokesperson, audio driven video, heygen alternative, synthesia alternative, talking avatar, lip sync, video avatar, ai presenter, digital human

Aadi-110i/PEP-PROJECT

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awareness. Triggers: marketing video, ad video, promo video, commercial, brand video, product video, explainer video, ad creative, video ad, facebook ad video, youtube ad, instagram ad, tiktok ad, promotional video, launch video

Aadi-110i/PEP-PROJECT

Generate AI videos with Google Veo, Seedance 2.0, HappyHorse, Wan, Grok and 40+ models via inference.sh CLI. Models: Veo 3.1, Veo 3, Seedance 2.0, HappyHorse 1.0, Wan 2.5, Grok Imagine Video, OmniHuman, Fabric, HunyuanVideo. Capabilities: text-to-video, image-to-video, reference-to-video, video editing, lipsync, avatar animation, video upscaling, foley sound. Use for: social media videos, marketing content, explainer videos, product demos, AI avatars. Triggers: video generation, ai video, text to video, image to video, veo, animate image, video from image, ai animation, video generator, generate video, t2v, i2v, ai video maker, create video with ai, runway alternative, pika alternative, sora alternative, kling alternative, seedance, happyhorse

Aadi-110i/PEP-PROJECT

Explainer video production guide: scripting, voiceover, visuals, and assembly. Covers script formulas, pacing rules, scene planning, and multi-tool pipelines. Use for: product demos, how-it-works videos, onboarding videos, social explainers. Triggers: explainer video, how to make explainer, product video, demo video, video production, video script, animated explainer, product demo video, tutorial video, onboarding video, walkthrough video, video pipeline

Aadi-110i/PEP-PROJECT

Still-to-video conversion guide: model selection, motion prompting, and camera movement. Covers Wan 2.5 i2v, Seedance, Fabric, Grok Video with when to use each. Use for: animating images, creating video from stills, adding motion, product animations. Triggers: image to video, i2v, animate image, still to video, add motion to image, image animation, photo to video, animate still, wan i2v, image2video, bring image to life, animate photo, motion from image

Aadi-110i/PEP-PROJECT

Landing page conversion optimization with layout rules, hero section design, and CTA psychology. Covers above-the-fold formula, social proof placement, mobile design, and F-pattern reading. Use for: startup landing pages, product pages, SaaS marketing, conversion optimization. Triggers: landing page, hero section, above the fold, conversion optimization, landing page design, cta button, hero image, landing page layout, saas landing page, product page design, conversion rate, landing page best practices

Aadi-110i/PEP-PROJECT

Generate talking head avatar videos with Pruna P-Video-Avatar via inference.sh CLI. Turn a portrait image into a realistic speaking video with built-in TTS. 18x faster and 6x cheaper than competitors. Models: P-Video-Avatar, P-Image (for portrait generation). Capabilities: text-to-avatar, audio-driven avatars, 30 voices, 10 languages, 720p/1080p, built-in TTS, dynamic backgrounds, full-body control. Use for: AI presenters, product demos, explainer videos, virtual influencers, marketing, education, multilingual content, UGC, gaming avatars. Triggers: avatar video, talking head, ai avatar, p-video-avatar, pruna avatar, video avatar, ai presenter, digital human, virtual presenter, lipsync, talking avatar, ai spokesperson, heygen alternative, synthesia alternative, veed alternative, fabric alternative, omnihuman alternative

Aadi-110i/PEP-PROJECT

Generate videos with Pruna P-Video and WAN models via inference.sh CLI. Models: P-Video, WAN-T2V, WAN-I2V. Capabilities: text-to-video, image-to-video, audio support, 720p/1080p, fast inference. Pruna optimizes models for speed without quality loss. Triggers: pruna video, p-video, pruna ai video, fast video generation, optimized video, wan t2v, wan i2v, economic video generation, cheap video generation, pruna text to video, pruna image to video

Aadi-110i/PEP-PROJECT

Render videos from React/Remotion component code via inference.sh. Pass TSX code, get MP4. Supports all Remotion APIs: useCurrentFrame, useVideoConfig, spring, interpolate, AbsoluteFill, Sequence. Configurable resolution, FPS, duration, codec. Use for: programmatic video generation, animated graphics, motion design, data-driven videos, React animations to video. Triggers: remotion, render video from code, tsx to video, react video, programmatic video, remotion render, code to video, animated video, motion graphics code, react animation video

Aadi-110i/PEP-PROJECT

Three.js animation - keyframe animation, skeletal animation, morph targets, animation mixing. Use when animating objects, playing GLTF animations, creating procedural motion, or blending animations.

Aadi-110i/PEP-PROJECT

Video ad creation with exact platform-specific specs for TikTok, Instagram, YouTube, Facebook, LinkedIn. Covers dimensions, duration limits, AIDA framework, and caption requirements. Use for: video ads, social media ads, paid media creative, video marketing, ad production. Triggers: video ad, social media ad, tiktok ad, instagram ad, youtube ad, facebook ad, linkedin ad, video creative, ad specs, paid media, video marketing, ad production, reels ad, stories ad, pre roll, bumper ad

Aadi-110i/PEP-PROJECT

Best practices and techniques for writing effective AI video generation prompts. Covers: Veo, Seedance, Wan, Grok, Kling, Runway, Pika, Sora prompting strategies. Learn: shot types, camera movements, lighting, pacing, style keywords, negative prompts. Use for: improving video quality, getting consistent results, professional video prompts. Triggers: video prompt, how to prompt video, veo prompts, video generation tips, better ai video, video prompt engineering, video prompt guide, video prompt template, ai video tips, video prompt best practices, video prompt examples, cinematography prompts

Aadi-110i/PEP-PROJECT

YouTube thumbnail design with specific dimensions, contrast rules, and mobile preview optimization. Covers safe zones, text placement, face expression psychology, and A/B testing. Use for: YouTube thumbnails, video cover images, click-through optimization. Triggers: youtube thumbnail, thumbnail design, video thumbnail, click through rate, ctr optimization, youtube cover, video cover image, thumbnail maker, thumbnail tips, youtube design, video preview image

Habilidades Relacionadas