Communitygithub.com

huangserva/servasyy_skills

智能壓縮和改寫文件為適合 TTS 朗讀的腳本。利用 Claude AI 分析內容、壓縮至目標時長、轉換為口語風格並添加情感語言,並自動分段。非常適合影片旁白。

servasyy_skills 是什麼?

此技能專為開發者和 AI 代理使用者設計,能將冗長的書面文件(如 Markdown 文件)智慧壓縮並改寫為適合文字轉語音(TTS)朗讀的腳本。其主要價值在於自動化影片旁白或播客腳本的製作流程,透過 Claude AI 分析文章主題、結構與核心觀點,自動決定最佳影片時長(3-8 分鐘)與配圖風格(如浮世繪、紐約客風格)。技能會將書面語轉換為自然口語,加入情感詞語以提升 TTS 的生動性,並根據內容自動分段(每段約 10-20 秒),最後產生兩個 JSON 文件:`tts_script.json`(含動畫標記如淡入、打字機效果)和 `visual_config.json`(供後續配圖生成使用)。此技能支援通過 `image-to-video` 技能自動調用,也可在 Claude 對話中手動執行,是構建多媒體內容管線的關鍵環節。

相容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/huangserva/servasyy_skills/tree/HEAD/tts-script-generator

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

TTS 腳本生成器

智慧壓縮和改寫文件為適合 TTS 朗讀的腳本。

核心能力

  • 🤖 AI 智慧分析:Claude 分析文章內容,判斷最佳影片時長和配圖風格
  • ⏱️ 智慧時長決策:根據內容自動決定合適的時長(3-8分鐘)
  • 🎨 智慧風格決策:根據主題自動選擇配圖風格(紐約客/浮世繪/扁平/寫實等)
  • 📉 智慧壓縮:按最佳時長壓縮內容(如 19分鐘 → 5分鐘)
  • 💬 口語化轉換:書面語 → 自然口語
  • 😊 情感優化:添加情感詞語,讓 TTS 更生動
  • 🎯 自動分段:根據內容自動判斷最佳段數(每段 10-20 秒)
  • 📊 時長預估:精確計算每段朗讀時長

工作原理

在 Claude 對話中執行:

  1. Claude 讀取原文檔
  2. Claude 分析內容:
    • 文章主題和結構
    • 核心觀點數量
    • 內容密度
    • 判斷最佳影片時長(3-8分鐘)
    • 判斷最適合的配圖風格(如:歷史類→浮世繪,科技類→扁平,人文類→紐約客)
  3. Claude 智慧改寫:
    • 提取核心觀點
    • 按最佳時長壓縮
    • 轉換為口語化表達
    • 添加情感詞語和停頓
  4. Claude 自動分段(每段適合配一張圖)
  5. 根據文章主題判斷最適合的配圖風格
  6. 為每段生成配圖描述(使用判斷的風格)
  7. 輸出兩個檔案:
    • tts_script.json(TTS文字腳本 + 動畫標記)
    • visual_config.json(配圖描述,供 illustration-generator 使用)

tts_script.json 格式(新增動畫標記):

[
  {
    "segment": 1,
    "text": "今天聊聊唐朝真實生活。想穿越?先等等!",
    "duration": 15,
    "animation_style": "fade_in",
    "emphasis": true
  },
  {
    "segment": 2,
    "text": "唐朝可沒衛生紙,上廁所用什麼?",
    "duration": 12,
    "animation_style": "none",
    "emphasis": false
  }
]

動畫標記規則(Claude 智慧決策):

  • animation_style:
    • "fade_in" - 標題、開場、重點強調
    • "write" - 核心觀點、關鍵結論
    • "typewriter" - 數據、事實陳述
    • "none" - 普通內容(使用 ASS 字幕)
  • emphasis: 是否為重點片段(true/false)

決策原則:

  1. 第1段(開場)→ fade_in
  2. 核心觀點(每個章節的第1段)→ write
  3. 數據/事實 → typewriter
  4. 其他內容 → none(ASS 字幕)
  5. 建議:24段中,3-5段用動畫即可

執行腳本

generate.py - 生成 TTS 腳本

python ~/.claude/skills/tts-script-generator/scripts/generate.py <markdown檔案>
  • 讀取 Markdown 檔案
  • 提取 H2 章節
  • 轉換為口語化
  • 按時長分割
  • 輸出 tts_script.json

使用場景

  1. 影片配音:配合 image-to-video(主要用途)
  2. 播客生成:配合 podcast-generator

輸出說明

此 skill 輸出:

  • ✅ tts_script.json - TTS 文字腳本
  • ✅ visual_config.json - 配圖描述

不包含:

  • ❌ TTS 音頻生成(由 image-to-video skill 負責)
  • ❌ 配圖生成(需呼叫 illustration-generator skill)
  • ❌ 影片合成(需呼叫 image-to-video skill)

呼叫方式

由 image-to-video skill 自動呼叫:

image-to-video 檢測到長文件 
  → 呼叫 tts-script-generator
  → Claude 在對話中改寫
  → 輸出壓縮後的 TTS 腳本
  → image-to-video 繼續處理

手動呼叫(在 Claude 對話中):

用戶: "請用 tts-script-generator 改寫這篇文章"

Claude: 
1. 讀取文件(5947 字,19 分鐘)
2. 分析內容:
   - 主題:唐朝生活科普(歷史人文類)
   - 核心觀點:4個(衛生、飲食、管制、階級)
   - 判斷最佳時長:5 分鐘(內容密度適中)
   - 判斷配圖風格:浮世繪風格(歷史題材,東方古典美學)
3. 改寫為 1350 字
4. 分成 20 段(每段 15 秒)
5. 為每段生成浮世繪風格配圖描述
6. 儲存 tts_script.json + visual_config.json

輸出格式

tts_script.json

[
  {
    "segment": 1,
    "text": "今天聊聊唐朝真實生活。想穿越?先等等!唐朝可沒衛生紙...",
    "duration": 15
  }
]

visual_config.json

{
  "article_title": "穿越唐朝的真相",
  "style": "ukiyo-e",
  "sections": [
    {
      "section": 1,
      "visual_description": "A person standing at a crossroads between modern city and ancient Tang Dynasty palace, looking confused, ukiyo-e style with traditional Japanese woodblock print aesthetics"
    }
  ]
}

配圖風格決策規則

Claude 會根據文章主題自動選擇最適合的風格:

  • 歷史/古典類 → ukiyo-e(浮世繪):唐朝、宋朝、日本歷史等
  • 人文/社會類 → new-yorker(紐約客):社會觀察、人物故事等
  • 科技/商業類 → flat(扁平風格):科技產品、商業分析等
  • 自然/旅行類 → realistic(寫實風格):風景、動物、旅行等
  • 藝術/創意類 → abstract(抽象風格):藝術評論、創意思考等

改寫原則

  1. 保留核心:保留最重要的觀點和故事
  2. 口語化:
    • "但是" → "但是呢"
    • "因為...所以..." → "為什麼呢?因為..."
    • 添加語氣詞:"啊"、"呢"、"吧"
  3. 情感詞語:
    • 強調:"真的"、"非常"、"特別"
    • 驚嘆:"哇"、"天哪"、"想像一下"
  4. 節奏控制:
    • 短句為主
    • 適當停頓
    • 每段一個核心點

可被呼叫

  • image-to-video skill(主要)
  • podcast-generator skill
  • 其他需要 TTS 的 skills

相關技能