Remotion 旁白生成器

Remotion 旁白生成器 是做什麼的？

為 Remotion 合成所需的一切：每個場景的音訊、精確持續時間、起始影格與字幕。場景長度來自真實音訊，因此絕不會有偏移問題。

使用時機

• 使用者已有腳本（Markdown、純文字或 JSON）與 Remotion 專案，並希望加入旁白。
• 場景應與其旁白長度完全一致；字幕應逐字跟隨語音。

步驟

1. 確保已設定 MIRAGEA_API_KEY（切勿印出）。選擇聲音：

   • --voice VOICE_ID - 使用者 Miragea 帳戶中已儲存的聲音，或
   • --ref-url https://... - 要克隆的聲音公開片段（需經使用者同意），加上 --ref-text "片段中的確切文字" 以使用較便宜的 1x 費率。

2. 撰寫腳本。每個 ## 標題（或空白行段落）成為一個場景：

   ## intro
   認識 Retake，修復語音錯誤最快的方法。
   ## demo
   輸入正確的字。Retake 會重新配音該句子並拼接進去。
   

3. 生成至 Remotion 的 public/ 資料夾：

   python3 scripts/narrate.py script.md --voice VOICE_ID --out public/narration --fps 30
   

4. 在合成中使用 public/narration/narration.json（請參考 examples/Narrated.tsx）：

   • totalFrames 用於 durationInFrames，每個場景的 startFrame / durationInFrames 用於 <Sequence>，
   • staticFile('narration/' + scene.file) 用於 <Audio>，以及
   • scene.captions（Remotion Caption[]：text、startMs、endMs、timestampMs、confidence）搭配 @remotion/captions 的 createTikTokStyleCaptions() 製作動畫字幕。

5. 隨意編輯腳本並重新執行：不變的場景會從清單中重複使用，無需花費；若執行中途停止，已完成的場景會保留，下一次執行會從中斷處繼續。

選項

標誌	預設值	說明
--fps	30	影格計算的影格率
--pad	0.4	每個場景後的呼吸空間（秒）
--captions miragea	是	從生成的音訊取得時間戳字幕（準確；+3 點/秒）
--captions estimate		免費：根據文字長度平均分配
--model	expressive	standard 更貼近參考聲音
--speed	1.0	0.25-4

超過 2,000 個字元的場景會自動在句子結尾處分割並合併。

疑難排解

• choose a voice -> 傳入 --voice 或 --ref-url。參考網址必須是公開的、不超過 1,024 個字元，且直接提供（GitHub raw、S3/R2 公開物件可正常使用；有簽署的重新導向可能不適用）。
• 401/402/429 -> 金鑰、餘額、速率限制。重新執行永遠是安全的。