Communitygithub.com

DaBaoAgent/AutoXG

AutoXG 翔哥短視頻口播自動化技能 | SRT字幕→事實錨定口播稿→AI去味→封面生成→GPT-SoVITS CPU配音→驗證交付。支援 Codex/Claude Code/Hermes/OpenCode Agent Skill

AutoXG 是什麼?

AutoXG 是一個專為「翔哥」風格設計的全自動化短視頻內容生產技能,整合從字幕解析到最終配音驗證的完整流程。它基於用戶提供的 SRT 字幕或轉寫稿,透過事實帳本(fact ledger)確保所有敘述有據可依,避免 AI 幻覺。技能支援多種 Agent 平台,包括 Codex、Claude Code、Hermes 和 OpenCode Agent。 整個流程分為六個可選階段:提取字幕、撰寫口播稿、產生發布資訊、生成 3:4 封面、用 GPT-SoVITS 在 CPU 上合成翔哥克隆語音,最後驗證所有交付物。技能強制使用本機 CPU 推理,禁止未授權的外部發布或 GPU 切換。 口播稿撰寫遵循嚴格的規則:純口語中文、第三人稱、開頭使用矛盾或懸念,並透過 `blader-humanizer` 進行 AI 去味處理。封面生成使用內建風格參考圖,確保文字正確、比例精確。語音合成時會保留原始輸出、處理後音檔、分段音檔、歸一化文字、設定 JSON 及進度日誌,最後驗證音檔格式與品質。

相容平台✓Claude Code✓Codex CLI~Cursor✓OpenCode
npx skills add DaBaoAgent/AutoXG

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

AutoXG 是做什麼的?

產出完整翔哥內容包,同時確保腳本紮根於提供的來源,且旁白具有可重複性。

將包含提供的 SRT、轉寫稿或來源副本的目錄作為主題根目錄。將所有交付物儲存在同一個素材目錄中;切勿預設使用中央輸出目錄。將旁白音檔及其工作檔案放在 <主題根目錄>\配音 中。

選擇請求的階段

只執行使用者要求的階段。如需完整套件,請依此順序進行:

  1. 提取並讀取完整 SRT。
  2. 撰寫並驗證翔哥口播稿。
  3. 建立 發布信息.txt。
  4. 產生 3:4 主題封面。
  5. 在 CPU 上使用翔哥克隆語音合成經核可的腳本。
  6. 驗證所有交付物並回報確切輸出路徑。

未經明確授權,不得對外發布、使用瀏覽器 Cookie、取代已核可的資產,或切換至 GPU。應從已驗證的中間檔案繼續,而非重新開始。

建立來源紀錄

對於 SRT 輸入,執行:

python scripts/extract_srt.py <input.srt> --output <source-transcript.txt>

閱讀完整轉寫稿,包括最後的區塊。建立一個私有事實帳本,包含姓名、地點、日期、數量、時間順序、轉折點,以及支持每項主張的來源片段。將字幕措辭視為證據,而非潤飾過的旁白。切勿編造缺失的動機、對話、事實或結果。

撰寫翔哥口播稿

在草擬或修改腳本前,請閱讀 references/voiceover-rules.md 和 references/blader-humanizer-xg-rules.md。內含的 blader-humanizer 是強制性的自然化階段。

預設行為:

  • 撰寫純口語中文,不帶任何製作標籤;
  • 除非使用者明確選擇其他視角,否則完全使用第三人稱敘述;
  • 以矛盾、危險、結果或未解決的問題開頭;
  • 按時間或因果順序推進,並在過程中持續引發好奇;
  • 使用 1.1× 旁白校準,符合要求的完成時長;
  • 格式化為 100–220 字的大段落,適合直接進行 GPT-SoVITS 合成;
  • 將核可的副本儲存為 翔哥口播稿.txt。

在完成初稿後,保護每一個有來源依據的數字、姓名、日期、地點、引用、評分和歸屬。以嵌入模式執行 vendor/blader-humanizer:草擬改寫稿,審查哪些內容仍明顯像 AI 生成,審查是否有任何捏造的事實,並進行一次有範圍的二次改寫。僅儲存最終旁白。事實忠實度、第三人稱敘述、保留邏輯、要求的時長和 TTS 可讀性永遠優先。

未通過事實、視角、時長和可讀性檢查的草稿不得進行合成。

建立發布資訊

閱讀 references/cover-publication.md。在 發布信息.txt 中寫入恰好兩行非空內容:第一行為一個基於事實的好奇心驅動標題,最多 25 個字元;第二行為恰好五個以空格分隔的主題標籤。

以遞迴方式驗證:

python scripts/validate_publication_info.py <topic-root>

產生封面

閱讀 references/cover-publication.md 並使用圖片生成技能。使用 assets/ 中的捆綁檔案作為視覺風格參考:

  • topic-cover-3x4-approved.png。

僅產生 3:4 主題封面,然後檢查實際圖片。逐字元驗簡體中文文字、真實的主題相關性、安全邊距以及精確的 3:4 像素比。保留版本化草稿,僅將核可的圖片提升為 封面-3比4.png。

合成翔哥語音

閱讀 references/voice-clone-rules.md,然後使用 GPT-SoVITS 虛擬環境執行捆綁的確定性腳本:

& 'D:\GPT-SoVITS\.venv\Scripts\python.exe' `
  scripts/synthesize_xiang_cpu.py `
  --text <翔哥口播稿.txt> `
  --name <topic-name>

腳本預設輸出至 <翔哥口播稿所在目錄>\配音。僅在使用者明確要求其他位置時傳遞 --output-dir。

除非使用者明確覆寫,否則保留以下預設值:

  • 僅使用 CPU;
  • 核可的翔哥參考音檔及對應提示文字;
  • 1.10 倍速;
  • 每個大段落一個 GPT-SoVITS 請求,使用 cut0;
  • 不進行音色美化或後製效果;
  • 將至少 0.35 秒的內部靜音縮短至約 0.18 秒;
  • 使用明確的 0.28 秒段落間隔。

保留原始輸出、處理後的最終輸出、每個段落的音檔、歸一化的旁白文字、設定 JSON 以及進度日誌。

驗證並交付

對於完整的主題套件,偏好以下結構:

<素材所在子目錄>/
├── 原始字幕.srt
├── source-transcript.txt
├── 翔哥口播稿.txt
├── 發布信息.txt
├── 封面-3比4.png
└── 配音/
    ├── <選題>_翔哥音色_CPU_大段落_1.1倍速_RAW.wav
    ├── <選題>_翔哥音色_CPU_大段落_1.1倍速_句間停頓縮短.wav
    ├── 配音稿_大段落.txt
    ├── 配音配置.json
    ├── progress.log
    └── segments/

回報完成前:

  1. 確認腳本有來源依據、使用第三人稱、時間正確且無製作標籤;
  2. 驗證 發布信息.txt;
  3. 目視檢查 3:4 封面;
  4. 確認最終 WAV 為 PCM16 單聲道、32 kHz、非零時長、峰值低於 1.0,且無削波樣本;
  5. 分別回報已完成和未完成的階段,並附上可點擊的絕對路徑。

相關技能