ai-video-voice: 配音
何时使用
无声视频（film.mp4）已存在。本技能负责添加配音、字幕并完成最终混音。它绝不修改画面内容。
1. 首先检查语音配置
在合成语音之前运行TTS配置检查（例如，如果TTS工具提供了doctor命令）。向用户报告缺失的配置；不要静默切换到其他语音。
- 如果用户要求使用个人语音但其配置缺失或损坏，仅暂停受影响的配音部分。不要静默替换为其他语音。
- 个人语音配置、录音、参考片段和模型权重保存在私有目录中。它们绝不会进入此仓库。
2. 一次性合成整段语音
- 一次性合成整段配音，而非逐句拼接。逐句拼接会产生可闻的接缝和漂移。
- 如果语音模型或参考片段发生变化，生成新版本的配音。切勿覆盖旧音频文件。
3. 音画同步基于实际时长
- 根据配音的实际时长进行同步。切勿对音频进行时间拉伸以适配镜头。
- 如果素材较短，保持最后一帧以填补空白。如果素材较长，则裁剪信息量最低的片段。
- 将重要动作落在强拍上。将音效从动作本身移动。
4. 字幕跟随音频
- 字幕时间轴来自音频，而非脚本估算。尽可能使用语音识别器进行转写；如果没有，则使用脚本加静音检测（误差可达0.4秒）。
- 对照脚本修正误识别。裁剪属于相邻字幕段的开头和结尾句子。
- 随视频交付
captions.srt。如果影片为了支持自定义字幕的编辑器而重新剪辑，则同时交付无字幕视频和.srt文件。
5. 混音
- 将混合音频归一化至-14 LUFS。
- 将音乐、配音和音效与画面保持在同一条时间线上。
- 在交付审核前检查音频峰值和完整解码。
输出合约
voiceover.wav（或.mp3），整段录制。captions.srt。mix-report.md（包含时长、峰值、LUFS、字幕来源及误差边界）。
规则
- 缺少语音配置仅阻止配音部分。它绝不会阻止脚本或画面工作。
- 永远不要声称基于静音检测生成的字幕文件是精确的；应在混音报告中写明误差边界。
- 未经发布授权，不得上传或部署音频。