Communitygithub.com

PrunaAI/pruna-skills

适用于需要旁白或配音的场景——解说音轨、纪录片旁白,或为生成的视频配上语音。

pruna-skills 是什么?

该技能用于生成高质量语音旁白,适用于解说视频、纪录片配音或为AI生成的视频添加语音。它基于 Google Gemini 3.1 Flash TTS 模型,通过 Replicate API 提供服务。用户需提供文本、语音角色、风格提示和语言代码等参数,并支持内联标签(如 [叹息]、[轻笑声])以控制语气和节奏。该技能还与其他 Pruna 技能(如视频生成、背景音乐)紧密集成,可构建完整的音视频作品。支持 BCP-47 语言代码,输出音频时长可达约 655 秒。当需要与视频结合时,建议每条旁白不超过 19 秒。适合开发者、内容创作者和 AI 助手在自动化音视频制作流程中使用。

兼容平台~Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/PrunaAI/pruna-skills/tree/HEAD/skills/audio/gemini-3.1-flash-tts

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

前置条件

在生成前安装并加载以下技能(如果已通过 @pruna 引入上下文,可跳过):

技能描述安装命令
generation-diversity编写任何生成式提示时使用——仪式种子、明确结构、场景轴和付费 API 调用前的质量门。npx skills add PrunaAI/pruna-skills@generation-diversity -y
audio-prompting为任何生成式音频模型编写 TTS、音乐或背景提示时使用——导演风格、歌曲结构和后期制作分层。npx skills add PrunaAI/pruna-skills@audio-prompting -y
video-prompting为任何生成式模型编写视频或运动提示时使用——剧作法、镜头、物理安全的运动、帧锚点和片段链接。npx skills add PrunaAI/pruna-skills@video-prompting -y
pruna-api在进行任何 Pruna 或 Replicate HTTP 调用前使用——凭据、上传/轮询/下载、并行批处理和代理安全性。npx skills add PrunaAI/pruna-skills@pruna-api -y

或者一键安装完整套件:npx skills add PrunaAI/pruna-skills@pruna -y

遵循每个技能的 生成前 / 创作部分——此处不再重复指南内容。

代理习惯

在首次回复中,用反引号标出 `gemini-3.1-flash-tts`,确认 REPLICATE_API_TOKEN(否则停止,并从 pruna-api 提供注册链接),然后询问所需输入。打开接收流程 → generation-diversity 澄清接收流程(语言、语音、脚本),再进行第一次 POST。当 不适用时 重定向。

不适用时

改用以下技能:

技能描述安装命令
p-video-avatar当用户希望看到有人对着镜头念稿时使用——唇形同步的主播、发言人,或基于肖像照配音的虚拟形象。npx skills add PrunaAI/pruna-skills@p-video-avatar -y
music-2.5当用户希望获得带人声的原创AI歌曲时使用——有歌词的演唱、风格提示音轨,或用于MV的源音频。npx skills add PrunaAI/[email protected] -y
stable-audio-2.5当用户希望获得轻柔的乐器背景音乐时使用——对话下的氛围背景,或用于短片和解说视频的配乐。npx skills add PrunaAI/[email protected] -y

环境

export REPLICATE_API_TOKEN=r8_...

在裁剪、拼接场景旁白或与背景音乐混音时需要 ffmpeg / ffprobe。

HTTP (curl)

curl -s -X POST \
  -H "Authorization: Bearer ${REPLICATE_API_TOKEN}" \
  -H "Content-Type: application/json" \
  -d '{
    "input": {
      "text": "[温暖地] 毛绒玩具飞了出去。[短停顿] 然后就不见了。",
      "voice": "Sulafat",
      "prompt": "温暖的童话旁白,语调柔和,富有同理心,不带播音腔。",
      "language_code": "zh-CN"
    }
  }' \
  "https://api.replicate.com/v1/models/google/gemini-3.1-flash-tts/predictions"

轮询 urls.get 直到 status 变为 succeeded;下载 output(音频URL)。共享客户端:遵循 pruna-api(工具技能中的 Replicate HTTP)。

生成前

  1. 按顺序完成前置条件指南的阅读。
  2. 与用户确认 text、voice、prompt 和 language_code。text、prompt 和内联 [标签] 必须一致——情感方向相同(参见 audio-prompting 的 tts-style-prompting)。列出字段时,请注明 REPLICATE_API_TOKEN(Replicate——而非 PRUNA_API_KEY)。
  3. 模型说明: text + prompt 总大小 ≤ ~8,000 字节;输出时长上限约 655 秒。当 TTS 作为 input.audio 输入 p-video 时,每条配音不超过约 19 秒(通过 ffprobe)——P-API 会在 20秒 处截断音频。常见语音:Kore、Aoede、Sulafat、Achird、Charon、Puck、Vindemiatrix——完整列表请参考 Replicate 自述文件。

必填输入

  • text(字符串)——配音文案;支持内联 [标签]。最大约 4,000 字节。

常见可选字段

  • voice(默认 Kore)
  • prompt——风格/导演指导(最大约 4,000 字节)
  • language_code——BCP-47 语言代码(默认 en-US)

内联标签(示例):[叹息] [笑] [低语] [短停顿] [中停顿] [长停顿] [兴奋地]。

典型后续步骤

使用本技能后常见的后续操作:

技能描述安装命令
p-video当用户希望从文本或图片生成简单的短视频时使用——快速B-roll、草稿,或基于起始/结束帧的动画。不适用于需要电影级生成、最高画质、紧密唇形同步或导入1080p音频的场景。npx skills add PrunaAI/pruna-skills@p-video -y
p-video-avatar当用户希望看到有人对着镜头念稿时使用——唇形同步的主播、发言人,或基于肖像照配音的虚拟形象。npx skills add PrunaAI/pruna-skills@p-video-avatar -y
stable-audio-2.5当用户希望获得轻柔的乐器背景音乐时使用——对话下的氛围背景,或用于短片和解说视频的配乐。npx skills add PrunaAI/[email protected] -y
narrated-multi-scene当用户希望制作带旁白的多段式故事时使用——情节性B-roll、分章宣传片,或几个无需镜头前对话的链接视频场景。npx skills add PrunaAI/pruna-skills@narrated-multi-scene -y
video-editing当用户需要使用 ffmpeg 组装或打磨已渲染的片段时使用——拼接、交叉淡入淡出、烧录字幕和隐藏式字幕、文本/徽标叠加、前后对比滑块、背景音乐轨道、平台导出——或使用 Hyperframes 合成多层 HTML 组合视频。不适用于AI视频生成、提示词创作或基于模型的视频剪辑。npx skills add PrunaAI/pruna-skills@video-editing -y

Individual skills in this repo

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

PrunaAI/pruna-skills

Use when someone wants an original AI song with vocals — sung lyrics, a style prompt track, or source audio for a music video.

PrunaAI/pruna-skills

Use when someone needs word-level timestamps from audio — lyric alignment, cut-safe line boundaries, or caption source timing before burn-in with video-editing.

PrunaAI/pruna-skills

Use before any Pruna or Replicate HTTP call — credentials, upload/poll/download, parallel batches, and agent safety.

PrunaAI/pruna-skills

Use when assembling or polishing already-rendered clips with ffmpeg — concat, crossfades, burned captions and subtitles, text/logo overlays, before/after sliders, background music beds, platform export — or when composing a multi-layer HTML combination video with Hyperframes. Not for AI video generation, prompt craft, or model-based video edits.

PrunaAI/pruna-skills

Use when crafting video or motion prompts for any generative model — dramaturgy, camera, physics-safe motion, frame anchors, and clip chaining.

PrunaAI/pruna-skills

Use when someone wants to edit an existing photo — change outfits or backgrounds, compose from reference images, or apply prompt-driven edits.

PrunaAI/pruna-skills

Use when someone explicitly wants the fastest, cheapest photo generation — mood boards, bulk panels, or quick iterations — not when controlled photoreal or in-image text is needed.

PrunaAI/pruna-skills

Use when someone wants virtual try-on — dress a person in clothes from reference photos for fashion or ecommerce.

PrunaAI/pruna-skills

Use when installing the full Pruna generative media suite — all guides, tools, and workflows in one package.

PrunaAI/pruna-skills

Use when someone wants a cinematic clip from text or start/end frames — product ads, documentary shots, or dialogue with generated audio. Not for 1080p, imported audio tracks, or talking-head-only hosts.

PrunaAI/pruna-skills

Use when someone wants a polished short clip from text, images, or imported audio — 1080p B-roll, start/end frame animation, or a motion shot with a mixed track. Not for cinematic generated-audio clips or talking-head-only hosts.

PrunaAI/pruna-skills

Use when someone wants to edit an existing video with a text instruction — recolor, restyle, remove or add objects, change environment or lighting, update on-screen text, or apply optional reference-guided product and accessory edits. Not for a new clip from scratch or ffmpeg assembly.

PrunaAI/pruna-skills

Use when someone wants a simple short clip from text or images — quick B-roll, drafts, or start/end frame animation. Not when the brief needs cinematic generation, highest quality, tight lip-sync, or imported audio at 1080p.

相关技能