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
- 按顺序完成前置条件指南的阅读。
- 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)。 - 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 |