Communitygithub.com

Sanidhya14321/video-forge

生成本地或可选的OpenAI旁白,准备音乐和音效,并为技术视频混合音频。

video-forge 是什么?

Video Forge 是一个专注于技术视频音频工作流的智能技能,帮助开发者高效处理旁白生成、音乐和音效准备以及最终混音。它支持三种旁白模式:本地Kokoro合成、文件导入和OpenAI付费语音调用(需设定每字符费率及云预算),并强调在完整导出前验证符号、名称、缩写和代码的发音。该技能对时长有严格逻辑——旁白不能超过场景时间线,短旁白会保留剩余视觉时长——并自动对生成的人声进行两遍响度归一化,而导入的人声则保持原始电平。音乐以设定音量循环播放,并在时间戳字幕活动时自动衰减,确保清澈的语音表现。此外,技能要求披露生成的旁白、保留音频信用,并遵循节拍驱动短片的FPS/BPM时钟来匹配动效与重音,同时避免使用未授权的商业曲目。

兼容平台~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/Sanidhya14321/video-forge/tree/HEAD/skills/video-audio

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

视频音频

请阅读音频工作流程。优先使用已审核音频或本地 Kokoro。在完整导出前,验证符号、名称、缩写和代码的发音。一篇读起来顺畅的脚本,说出来可能并不顺畅。

使用 narration.provider: file 表示提供的音频,kokoro 表示本地合成,或 openai 表示明确选择的付费语音调用。OpenAI 需要预先验证的每字符费率以及云预算;支持的模型记录在项目合同中。凭证应放在环境变量中。

运行器拒绝时长超过场景时间线的旁白。短旁白会保留剩余的视觉时长。音乐以设定的音量循环播放,并在时间戳字幕词活动时被衰减。生成的语音在混音前会经过测量到的两通响度归一化处理。提供的语音电平保持不变。检查实际音频,不要声称未测量到的响度目标。

生成的旁白必须在发布文案中披露。自定义声音克隆和托管音乐生成是参考工作流程。将音频信用与工具包代码许可分开保留。

对于节拍驱动的短片,请遵循短片指导。从与动效相同的 FPS/BPM 时钟中推导出提示时间,有选择性地强调重要的转换,并保持语音清晰度。不要导入未经授权使用的流行商业曲目。

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

相关技能