先決條件
在生成之前請先安裝並載入這些技能(若已透過 @pruna 置入上下文則可跳過):
| 技能 | 說明 | 安裝方式 |
|---|---|---|
generation-diversity | 當撰寫任何生成式提示詞時使用——在付費 API 呼叫前,使用儀式化種子、明確結構、情境軸線與品質閘門。 | npx skills add PrunaAI/pruna-skills@generation-diversity -y |
audio-prompting | 當為任何生成式音訊模型設計 TTS、音樂或背景提示詞時使用——導演風格、歌曲結構與後製疊層。 | npx skills add PrunaAI/pruna-skills@audio-prompting -y |
video-prompting | 當為任何生成式模型設計影片或動態提示詞時使用——戲劇結構、鏡頭、基於物理安全的動態、幀錨點與片段串聯。 | npx skills add PrunaAI/pruna-skills@video-prompting -y |
pruna-api | 在進行任何 Pruna 或 Replicate HTTP 呼叫前使用——憑證、上傳/輪詢/下載、平行批次與代理安全性。 | npx skills add PrunaAI/pruna-skills@pruna-api -y |
或者一次性安裝完整套件:npx skills add PrunaAI/pruna-skills@pruna -y
請遵循每個技能的 生成前 / 設計章節——不要在此重複指南內容。
代理習慣
在第一個回覆中,以反引號標示 `gemini-3.1-flash-tts`,確認 REPLICATE_API_TOKEN(否則透過 pruna-api 提供的註冊連結停止),然後詢問必要輸入。開啟收件程序 → generation-diversity 澄清收件程序(語系、語音、腳本),然後才進行第一次 POST。當不適合使用的情況更合適時,請引導使用者改用其他技能。
不適合使用的情況
請改用其他技能:
| 技能 | 說明 | 安裝方式 |
|---|---|---|
p-video-avatar | 當使用者想要一個人在鏡頭前說出台詞時使用——從肖像照片生成的對嘴主播、發言人或敘事頭像。 | npx skills add PrunaAI/pruna-skills@p-video-avatar -y |
music-2.5 | 當使用者想要一首帶有人聲的原創 AI 歌曲時使用——歌唱歌詞、風格提示音軌,或作為音樂影片的原始音源。 | npx skills add PrunaAI/[email protected] -y |
stable-audio-2.5 | 當使用者想要輕柔的器樂背景音樂時使用——對話下的環境氛圍或為 Reels 和解說影片配樂。 | npx skills add PrunaAI/[email protected] -y |
環境變數
export REPLICATE_API_TOKEN=r8_...
當需要修剪、串聯場景配音或混合背景音時,需要 ffmpeg / ffprobe。
HTTP (curl)
curl -s -X POST \
-H "Authorization: Bearer ${REPLICATE_API_TOKEN}" \
-H "Content-Type: application/json" \
-d '{
"input": {
"text": "[warmly] The plush went flying. [short pause] And then it was gone.",
"voice": "Sulafat",
"prompt": "Warm storybook narrator, gentle pace, empathetic, no announcer voice.",
"language_code": "en-US"
}
}' \
"https://api.replicate.com/v1/models/google/gemini-3.1-flash-tts/predictions"
輪詢 urls.get 直到 status 為 succeeded;下載 output(音訊 URL)。共用客戶端:遵循 pruna-api(工具技能中的 Replicate HTTP 部分)。
生成前
- 完成先決條件指南的閱讀順序。
- 與使用者確認
text、voice、prompt和language_code。text、prompt和內聯[tags]必須一致——具有相同的情感方向(請參閱audio-prompting的 tts-style-prompting 章節)。列出欄位時,請指名REPLICATE_API_TOKEN(Replicate —— 不是PRUNA_API_KEY)。 - **模型注意事項:**合併後的
text+prompt不超過約 8,000 位元組;輸出上限約 655 秒。當 TTS 音訊作為p-video的input.audio時,請確保每條音段不超過約 19 秒(使用ffprobe檢查)—— P-API 會截斷超過 20 秒 的音訊。常用語音:Kore、Aoede、Sulafat、Achird、Charon、Puck、Vindemiatrix—— 完整列表請參閱 Replicate 說明文件。
必要輸入
text(字串) —— 要說的文案;支援內聯[tags]。最大約 4,000 位元組。
常見選擇性欄位
voice(預設Kore)prompt—— 風格/導演說明(最大約 4,000 位元組)language_code—— BCP-47 格式(預設en-US)
內聯標籤(範例):[sigh] [laughing] [whispering] [short pause] [medium pause] [long pause] [excitedly]。
典型的後續步驟
使用此技能後常見的後續操作:
| 技能 | 說明 | 安裝方式 |
|---|---|---|
p-video | 當使用者想要從文字或圖片產生簡單短影片時使用——快速 B-roll、草稿,或開始/結束幀動畫。不適用於需要電影級生成、最高品質、精確對嘴或匯入 1080p 音訊的情況。 | npx skills add PrunaAI/pruna-skills@p-video -y |
p-video-avatar | 當使用者想要一個人在鏡頭前說出台詞時使用——從肖像照片生成的對嘴主播、發言人或敘事頭像。 | npx skills add PrunaAI/pruna-skills@p-video-avatar -y |
stable-audio-2.5 | 當使用者想要輕柔的器樂背景音樂時使用——對話下的環境氛圍或為 Reels 和解說影片配樂。 | npx skills add PrunaAI/[email protected] -y |
narrated-multi-scene | 當使用者想要一個帶有配音的多部分故事時使用——情節式 B-roll、章節式宣傳片,或幾個連結的影片場景,無需鏡頭前對話。 | npx skills add PrunaAI/pruna-skills@narrated-multi-scene -y |
video-editing | 當使用 ffmpeg 組裝或拋光已渲染的剪輯時使用——串接、淡入淡出、燒錄式字幕、文字/標誌疊加、前後對比滑塊、背景音樂、平台匯出——或當使用 Hyperframes 組合多層 HTML 影片時。不適用於 AI 影片生成、提示詞設計或基於模型的影片編輯。 | npx skills add PrunaAI/pruna-skills@video-editing -y |