AI Voiceover Edge Tts Agent Skill

AI 口播配音 · Voice-over with edge-tts

逐句合成 → 去静音 → 48 kHz WAV → durations.json。后续的字幕、镜头时长都按真实配音时长对齐，不再「声画对不上」。

> Part of ecommerce-video-skills · 脚本：scripts/tts_edge.py（仅依赖 edge-tts + ffmpeg）

输入 Inputs

• 口播稿（一句一行，或 storyboard.json 的 line 字段）
• 语言 / 音色偏好（男/女、活泼/沉稳）、语速
• 环境：pip install edge-tts，ffmpeg，能访问微软 TTS 服务的网络

步骤 Steps

• 改写成「好读」的口播稿（见规则），每句 8–20 字。
• 选音色（python scripts/tts_edge.py --list zh-CN 查看全部）：

| 场景 | 推荐音色 |

|---|---|

| 活力种草（男） | zh-CN-YunxiNeural |

| 亲切种草（女） | zh-CN-XiaoxiaoNeural / zh-CN-XiaoyiNeural |

| 激情促销 | zh-CN-YunjianNeural |

| 专业讲解 | zh-CN-YunyangNeural |

| 台湾 / 香港 | zh-TW-HsiaoChenNeural / zh-HK-HiuMaanNeural |

| English | en-US-AndrewNeural · en-US-AvaNeural · en-US-EmmaNeural |

• 合成：

   pip install edge-tts
   # 单句试听
   python scripts/tts_edge.py "夏天带冰水出门，不到中午就变温了？" --voice zh-CN-YunxiNeural --rate "+10%" -o out/hook.wav
   # 整个分镜（每镜一句 → build/tts/l00.wav … + durations.json）
   python scripts/tts_edge.py --storyboard storyboard.json --outdir build/tts

• 试听 2 句再批量：语速 +5%～+15% 最像带货口播；超过 +20% 会显得赶。
• 交给 ffmpeg-auto-assemble（它会自动调用本脚本）或自己的剪辑软件。

口播稿改写规则 Script rules

• 数字写成「读法」：2核8G → 两核八G；24h → 二十四小时；型号字母之间加空格 A I。字幕可以保留原写法（sub 字段）。
• 一句只说一件事；逗号就是换气点，句末用句号/问号让语调落下来。
• 去掉书面词：「此款产品具有…」→「这只杯子…」。
• 英文品牌名若读错，用拼读或谐音写进 line，sub 保留正确拼写。

提示词模板 Prompt template

把下面的带货文案改写成适合 TTS 朗读的口播稿：每句 8–20 字、一句一件事、口语化；
数字和字母写成读法；另外输出一列「字幕版」保留原始写法并用 **加粗** 标 1 个关键词。
不要添加原文没有的卖点或数据。原文：{…}

检查清单 Checklist

• [ ] 先试听 2 句确认音色/语速
• [ ] 数字、英文、品牌名读音正确
• [ ] durations.json 已生成，总时长符合目标
• [ ] 商用前确认所在平台与地区对 AI 配音的标注要求（如需标注「AI 生成」）

常见问题与修复 Failure fixes

| 问题 | 修复 |

|---|---|

| edge-tts failed / 超时 | 网络问题，脚本已重试 3 次；换网络或稍后再试；离线时用 assemble.py --tts none 先预览画面 |

| 读音错误 | 在 line 里写谐音/拼读，sub 保留原文 |

| 句子之间停顿太长 | 已自动去首尾静音；调 storyboard 的 pad（默认 0.25s） |

| 声音太平 | 换 YunjianNeural/XiaoyiNeural；--pitch "+5Hz"；句尾用问号/感叹号 |

| 需要真人感 | edge-tts 是合成音；高要求场景改用真人录音，流水线照样可用（把录音放进 build/tts/lXX.wav） |

> edge-tts 由社区维护（rany2/edge-tts，LGPL-3.0），调用的是微软在线服务；本仓库只把它当依赖安装，不包含其代码。