闲社服务运行正常AI智能体自动化平台
s

视频语音旁白

技能标识:senseaudio-video-narrator

Generate SenseAudio TTS narration tracks for videos, including timestamped segments, style variants, and editor-ready voiceover exports. Use when users need voiceovers, video narration, timed commentary, or accessibility narration.

作者:admin | 来源记录:ClawHub
登记来源
ClawHub
版本
V 1.0.1
检测标记
后台标记通过
免费
免费获取
1
收藏
来源与检测标记为平台登记信息,并不代表已展示可复核的检测报告。使用前请核对版本、依赖和所需权限,建议先在隔离环境中运行。
概述
安装方式
版本历史

视频语音旁白

SenseAudio 视频旁白

为视频创建专业的旁白音频,支持时间感知分段、自然表达和编辑器友好导出。

此技能的功能

  • - 生成与脚本时间戳同步的旁白音频
  • 根据视频类型(如纪录片或教程)匹配旁白风格
  • 使用官方TTS参数和文本中断标记控制语速
  • 使用不同声音或风格创建多个旁白版本
  • 导出音频片段和合并后的旁白轨道,便于编辑工作流

凭证和依赖规则

  • - 从 SENSEAUDIOAPIKEY 读取API密钥。
  • 仅通过 Authorization: Bearer 发送认证信息。
  • 不要将API密钥放在查询参数、日志或保存的示例中。
  • 如果使用Python辅助工具,此技能需要 python3、requests 和 pydub。
  • pydub 仅用于可选的本地音频组装和混音。

官方TTS约束

使用以下总结的官方SenseAudio TTS规则:

  • - HTTP端点:POST https://api.senseaudio.cn/v1/t2av2
  • 模型:SenseAudio-TTS-1.0
  • 每次请求最大文本长度:10000 字符
  • voicesetting.voiceid 为必填项
  • voicesetting.speed 范围:0.5-2.0
  • voicesetting.pitch 范围:-12 到 12
  • 可选音频格式:mp3、wav、pcm、flac
  • 可选采样率:8000、16000、22050、24000、32000、44100
  • 可选MP3比特率:32000、64000、128000、256000
  • 可选声道数:1 或 2
  • extrainfo.audio_length 返回以毫秒为单位的片段时长
  • 文本中支持内联中断标记,如

推荐工作流

  1. 1. 准备脚本:
- 将旁白分割成带时间戳的片段。 - 确保每个片段长度远低于 10000 字符限制。
  1. 2. 选择声音和语速配置:
- 选择一个 voice_id,并调整 speed、pitch 和可选的 vol。 - 当时间精度要求高时,使用较短的片段。
  1. 3. 生成音频片段:
- 为每个片段调用TTS API。 - 保存前将 data.audio 从十六进制解码。 - 捕获 extrainfo.audiolength 作为时间轴元数据。
  1. 4. 本地组装旁白轨道:
- 使用 pydub 将片段放置在静音主轨道上。 - 保留每个片段的文件,便于编辑器导入和重新调整时间。
  1. 5. 根据视频验证时间:
- 当需要自然语速时,留出小间隙。 - 调整片段边界,而不是过度使用极端速度值。

最小时间旁白辅助工具

python
import binascii
import os
import re

import requests

APIKEY = os.environ[SENSEAUDIOAPI_KEY]
APIURL = https://api.senseaudio.cn/v1/t2av2

def parsetimedscript(script):
pattern = r\[(\d{2}):(\d{2}):(\d{2})\]\s*(.+?)(?=\n\[|\Z)
segments = []
for match in re.finditer(pattern, script, re.DOTALL):
hours, minutes, seconds, text = match.groups()
timestamp_ms = (int(hours) 3600 + int(minutes) 60 + int(seconds)) * 1000
segments.append({timestamp: timestamp_ms, text: text.strip()})
return segments

def synthesizesegment(text, voiceid, speed=1.0, pitch=0, vol=1.0):
response = requests.post(
API_URL,
headers={
Authorization: fBearer {API_KEY},
Content-Type: application/json,
},
json={
model: SenseAudio-TTS-1.0,
text: text,
stream: False,
voice_setting: {
voiceid: voiceid,
speed: speed,
pitch: pitch,
vol: vol,
},
audio_setting: {
format: mp3,
sample_rate: 32000,
bitrate: 128000,
channel: 2,
},
},
timeout=60,
)
response.raiseforstatus()
data = response.json()
return {
audio_bytes: binascii.unhexlify(data[data][audio]),
durationms: data[extrainfo][audio_length],
traceid: data.get(traceid),
}

本地组装模式

python
from pydub import AudioSegment

def createsyncednarration(audiosegments, videoduration_ms):
narrationtrack = AudioSegment.silent(duration=videoduration_ms)
for segment in audio_segments:
clip = AudioSegment.from_file(segment[file])
narrationtrack = narrationtrack.overlay(clip, position=segment[timestamp])
return narration_track

风格预设

  • - 纪录片:较慢的 speed(如 0.95),中性 pitch
  • 教程:speed 接近 1.0,略微温暖的 pitch
  • 商业广告:适度加快的 speed,略高的 pitch

优先使用保守调整和脚本编辑,而非极端的声音参数变化。

输出选项

  • - 每个片段的旁白剪辑,格式为 mp3 或 wav
  • 时间元数据,格式为 json
  • 为视频编辑器提供的合并旁白轨道
  • 可选的不同风格备用版本

安全注意事项

  • - 不要硬编码凭证。
  • 不要假设存在除此处声明的本地媒体工具。
  • 将返回的 trace_id 和生成的旁白资产视为潜在敏感的生产数据。

标签

skill ai

通过对话安装

以下为平台配置的接入选项,并非逐项实测通过。能否安装取决于客户端支持、技能来源和运行环境:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 video-narrator-1776107583 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 video-narrator-1776107583 技能

通过命令行安装

skillhub install video-narrator-1776107583

下载

⬇ 下载 senseaudio-video-narrator v1.0.1(免费)

文件大小: 3.12 KB | 发布时间: 2026-4-15 14:50

v1.0.1 最新 2026-4-15 14:50
- Updated metadata to clarify required environment variables, binaries (python3, ffmpeg), and Python library dependencies.
- Description and workflow now emphasize timestamped segmentation, editor-friendly exports, and multiple style/voice variants.
- Strict notes on credential handling: API key must use the SENSEAUDIO_API_KEY environment variable; never place credentials in query strings or logs.
- Expanded and clarified TTS API parameters, audio formats, and model constraints according to official SenseAudio documentation.
- Improved example code for segment synthesis and local track assembly, with commentary on recommended workflows and timing strategies.
- Output and safety instructions refined for clarity and security in production use.
返回顶部