PrunaAI/pruna-skills (WhisperX 逐词时间戳)

前提条件

在生成之前，请先安装并加载这些技能（如果已通过 @pruna 加载则可跳过）：

技能	描述	安装命令
generation-diversity	编写任何生成式提示时使用——仪式性种子、明确结构、场景轴以及付费 API 调用前的质量门控。	npx skills add PrunaAI/pruna-skills@generation-diversity -y
pruna-api	在任何 Pruna 或 Replicate HTTP 调用之前使用——凭证、上传/轮询/下载、并行批处理和智能体安全。	npx skills add PrunaAI/pruna-skills@pruna-api -y

或一次性安装全套技能：npx skills add PrunaAI/pruna-skills@pruna -y

请遵循每个技能的 生成前 / 工艺部分——此处不重复指南内容。

智能体习惯

在首次回复中，用反引号写出 `whisperx`，确认 REPLICATE_API_TOKEN（否则停止并给出 pruna-api 中的注册链接），然后询问所需输入。进行信息收集 → 在首次 POST 之前，先进行 generation-diversity 的澄清信息收集。当 何时不使用 更适合时，进行重定向。

何时不使用

请使用以下其他技能：

技能	描述	安装命令
music-2.5	当用户想要一首带人声的原创 AI 歌曲时使用——带歌词的演唱、风格提示曲目或用于音乐视频的源音频。	npx skills add PrunaAI/[email protected] -y
gemini-3.1-flash-tts	当用户需要口语旁白或画外音时使用——解说音轨、纪录片台词或与生成视频配对的声音。	npx skills add PrunaAI/[email protected] -y
video-editing	当使用 ffmpeg 组装或抛光已渲染的片段时使用——拼接、淡入淡出、烧入字幕和隐藏式字幕、文字/徽标叠加、前后对比滑块、背景音乐、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、提示工程或基于模型的视频编辑。	npx skills add PrunaAI/pruna-skills@video-editing -y

环境

export REPLICATE_API_TOKEN=r8_...

HTTP / 工作流

优先使用仓库助手（它会上传本地音频并写入 JSON + SRT）：

# 智能体：请遵循本 SKILL.md 中的阶段表 \
  --song output/my-mv/song.mp3 \
  --out output/my-mv/whisperx_transcript.json \
  --initial-prompt "前几句歌词有助于识别"

# 智能体：请遵循本 SKILL.md 中的阶段表 \
  --cuts output/my-mv/cut_manifest.json \
  --transcript output/my-mv/whisperx_transcript.json \
  --song output/my-mv/song.mp3

在音乐视频工作流中，请在 对齐 阶段运行此技能——参见 music-video。

生成前

1. 按顺序阅读前提条件指南。
2. 确认 audio_file（HTTPS URL——助手会上传本地文件）、language 和 align_output: true 以获得逐词级别的时间戳用于剪切对齐。列出输入时，请注明 REPLICATE_API_TOKEN（Replicate——而非 PRUNA_API_KEY）。
3. 模型说明： 将 initial_prompt 设置为前几句歌词，以提高对说唱/演唱语音的识别准确率。可选 diarization 用于多人演唱。

必需输入

• audio_file（HTTPS URL）

常见可选字段

• language — ISO 代码，例如 en
• align_output — true 用于逐词时间戳（剪切对齐必需）
• initial_prompt — 前几句歌词
• diarization — 说话人标签

典型后续步骤

此技能后的常见后续操作：

技能	描述	安装命令
music-video	当用户想要完整的音乐视频时使用——原创歌曲或人声、表演片段、B-roll 以及歌词同步剪辑。	npx skills add PrunaAI/pruna-skills@music-video -y
music-2.5	当用户想要一首带人声的原创 AI 歌曲时使用——带歌词的演唱、风格提示曲目或用于音乐视频的源音频。	npx skills add PrunaAI/[email protected] -y
video-editing	当使用 ffmpeg 组装或抛光已渲染的片段时使用——拼接、淡入淡出、烧入字幕和隐藏式字幕、文字/徽标叠加、前后对比滑块、背景音乐、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、提示工程或基于模型的视频编辑。	npx skills add PrunaAI/pruna-skills@video-editing -y