القائمة
将文案与用户自己的参考录音合成为配音、SRT 和可交接时间轴。默认使用免费的本地 Qwen3-TTS 声音克隆，Apple Silicon 自动选 MLX；可选 Nano CPU 或 MiniMax。适用于口播配音、声音复刻，以及为网页视频演示准备最终音频和字幕。
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/NanmiCoder/creator-pipeline --skill voice-clone-ttsيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
عرض SKILL.md
| name | voice-clone-tts |
| description | 将文案与用户自己的参考录音合成为配音、SRT 和可交接时间轴。默认使用免费的本地 Qwen3-TTS 声音克隆，Apple Silicon 自动选 MLX；可选 Nano CPU 或 MiniMax。适用于口播配音、声音复刻，以及为网页视频演示准备最终音频和字幕。 |
交付 voiceover.wav、voiceover.mp3、voiceover.srt、voiceover.json。WAV 是计时主文件，SRT 是原稿短段对应的采样帧时间；这不是字级强制对齐，也不能证明模型读音完全正确。
默认 Qwen3-TTS 0.6B Base，本地推理，无需云账号/API key。需要首次下载模型，仍占用内存、磁盘与计算时间。优先完成一个代表性短段，再扩展全文。
auto 在 Apple Silicon 选择 mlx（Qwen3-TTS 0.6B Base 4bit），其他平台选择 qwen（官方 PyTorch，自动使用可用 CUDA，否则 CPU）。setup 与 run 采用同一选择逻辑。各后端使用独立环境；首次运行读 SETUP.md。音色来源是用户提供的本人/已获授权录音，没有共享的默认私人音色。
先原样保存用户文案为 script.md；不擅自改写读法、数字或术语。只有明确的 Markdown 标题不朗读，编号列表保留。产物默认放当前项目的 voiceover-<主题>/，先说明位置。
SKILL_DIR 表示本 SKILL.md 所在目录。实际定位安装目录，不硬编码某个用户的 ~/.claude 路径。
python3 "$SKILL_DIR/scripts/setup.py"
# 上一条会输出独立环境 Python 的实际路径；下文以 PY 表示它。
"$PY" "$SKILL_DIR/scripts/run.py" script.md \
--reference my-voice.mp3 --outdir voiceover-demo
参考录音选干净、单人、无音乐的完整 3–30 秒短段。原录音太长时显式截取合适区间，不把全文转写误作短样本转写。Qwen 可额外传 --reference-text reference.txt，内容必须对应参考录音；缺省走仅声音嵌入的克隆路径，效果可能不同。nano 不要求参考转写。
声音条目按完整句子/语义短段组织，默认宽度 40，不为短字幕机械切碎句子。过长字幕可换行；需要更细时间时用最终 WAV 与原文做实际对齐，不按字数比例伪造 cue。
同一命令可续跑；缓存包含正文、声音内容哈希、模型/版本及生成参数。每次成功保存一个 WAV，失败段阻止拼接；改稿后重新分段、合成、拼接。不要只手改 SRT 或把旧音频配到新文案上。分步控制见 PIPELINE.md。
run.py 会自动执行结构验证：全部段就绪，WAV/MP3/SRT 同源，文件哈希一致，字幕单调且不越界。也可单独运行 verify.py voiceover-demo/voiceover.json。--segment-seed 2:3（第 2 段用 seed 3）；只使该句缓存失效。已选 seed 随该 ID 与正文保存在 segments.json，普通续跑保留，改该句正文才重置；可重复指定多个 ID，或用 --clear-segment-seeds 显式清空。不要为了一个错读全篇换 seed，也不要假设同一 seed 适合所有声音。web-video-presentation 时，交 voiceover.json 和同目录产物；用它的 import-voiceover.mjs 验证后导入，从最终 SRT 规划连续场景，再开发 MG。音频完成之后走网页技能的 VO-First 路径。开发者把 Nano/MLX 的本地试跑、PyTorch/CUDA 的验证边界和已发现限制记在仓库文档中；不要复述没有在当前机器测过的“实时”“零误差”“任意硬件可用”承诺。