Tts Voiceover Agent Skill

文字转语音配音（TTS Voiceover）

> 配置检查路径铁律：先 cd 到 AGENTS.md 末尾给出的 Easel 项目根，确认当前目录有 .env 和 skills/shared/scripts/。云 TTS 配置只能用项目根的 model_registry.py configured --group voice --env-file .env 和 voice_clone.py check ... --env-file .env 判断；不得在 workspace 跑 ./shared/scripts/...，也不得用 env / printenv 推断 Key/URL 缺失。

把文案 / 脚本合成为 AI 语音（口播、旁白、朗读）。共享脚本 skills/shared/scripts/tts.py speak：

默认闭源优先——配了 .env 的 VOICE_PROVIDER(+ VOICE_API_KEY) 就走闭源云 TTS（voice_clone，

按句合成+拼接+分句 SRT，有情感、像真人），没 key 才退 edge（AI 味、生硬，仅兜底）。

--engine closed/edge 可强制；闭源音色用 --voice 传 voice-id（如 FunAudioLLM/CosyVoice2-0.5B:alex），

旁白默认 alex，可用 VOICE_NARRATOR_VOICE_ID 覆盖。合成后语音可交 audio_ops.py/video_ops.py 混音或加到视频。

输入

| 字段 | 必填 | 说明 |

|------|------|------|

| text / file | 是 | 待配音的文本，或文本文件路径（长文本推荐 --file） |

| voice | 否 | 音色，默认 zh-CN-XiaoxiaoNeural（晓晓） |

| rate/volume/pitch | 否 | 语速 / 音量 / 音调微调 |

| output | 否 | 默认 outputs/主题名/{name}.mp3 |

输出

• 配音音频文件（mp3，可选 wav/m4a），放入 outputs/主题名/
• 可选同步输出 SRT 字幕（--subtitle），供视频烧字幕用
• 打印实际执行的 edge-tts 命令 + 输出文件时长/大小/音色

前置：外网代理

edge-tts 调微软在线服务，必须能访问外网。内网环境先设代理：

export https_proxy=http://<代理host>:<端口> http_proxy=http://<代理host>:<端口>

脚本会自动读环境变量代理并透传给 edge-tts（也可用 --proxy 覆盖）。

执行步骤

脚本路径（相对项目根）：skills/shared/scripts/tts.py。每个子命令支持 -h。

0. 挑音色（可选）

python skills/shared/scripts/tts.py voices          # 常用中文音色 + 简介
python skills/shared/scripts/tts.py voices --all    # 拉全量 zh- 音色（需外网）

1. 合成配音 speak

# 最简：一句话 → mp3
python skills/shared/scripts/tts.py speak --text "欢迎来到本期内容" \
  -o outputs/主题名/intro.mp3

# 长文本从文件读 + 换音色 + 加速 10%
python skills/shared/scripts/tts.py speak --file script.txt \
  -o outputs/主题名/narration.mp3 --voice zh-CN-YunxiNeural --rate +10%

# 同步出 SRT 字幕（视频烧字幕用）
python skills/shared/scripts/tts.py speak --file script.txt \
  -o outputs/主题名/vo.mp3 --subtitle outputs/主题名/vo.srt

# 输出 wav（需 ffmpeg，便于后续无损处理）
python skills/shared/scripts/tts.py speak --text "……" \
  -o outputs/主题名/vo.wav --format wav

参数：--rate +10%（语速）、--volume +20%（音量）、--pitch +2Hz（音调）。

2. 后处理（可选，复用已有共享脚本）

配音出来后按需接下游脚本，无需在本 SKILL 重造能力：

# ① 配音 + BGM 混音（原声 1.0 / BGM 0.3）→ 用 audio_ops concat / video_ops bgm
python skills/shared/scripts/video_ops.py bgm -i vo.mp3 -o vo_bgm.mp3 \
  --music bgm.mp3 --voice-volume 1.0 --music-volume 0.3

# ② 配音音量归一化到社媒响度（-14 LUFS）
python skills/shared/scripts/audio_ops.py normalize vo.mp3 -o vo_norm.mp3

# ③ 把配音作为旁白加到视频
python skills/shared/scripts/video_ops.py bgm -i clip.mp4 -o clip_vo.mp4 \
  --music vo.mp3 --voice-volume 0.4 --music-volume 1.0

常用中文音色

| 音色 | 特点 |

|------|------|

| zh-CN-XiaoxiaoNeural | 晓晓 · 女声，温暖亲和，通用首选（默认） |

| zh-CN-XiaoyiNeural | 晓伊 · 女声，活泼年轻，口播/种草 |

| zh-CN-YunxiNeural | 云希 · 男声，清朗自然，旁白/解说 |

| zh-CN-YunyangNeural | 云扬 · 男声，专业沉稳，新闻/播报 |

| zh-CN-YunjianNeural | 云健 · 男声，浑厚有力，激情内容 |

粤语用 zh-HK-HiuMaanNeural（曉曼），台式用 zh-TW-HsiaoChenNeural（曉臻）。

规则

• 绝不覆盖原始素材 — 只写新文件到 outputs/主题名/。
• 长文本走 --file — 避免命令行过长 / 换行转义问题。
• 先设代理 — edge-tts 需外网，网络失败脚本会给明确提示。
• 不重造能力 — 混音/归一化/加视频旁白复用 audio_ops.py / video_ops.py。
• 无 Profile 也能用 — 无画像时用默认音色晓晓。

Profile 感知

有 Profile 时可读取账号偏好音色 / 语速 / 平台调性（如口播偏活泼晓伊、

知识类偏沉稳云扬）作为默认参数；无 Profile 退到通用默认（晓晓、正常语速）。