القائمة
使用本机 Qwen3-TTS 做预设音色、纳西妲跨语言克隆、整稿/SRT/视频配音，并在稳定 CPU 生产版与 Transformers 5 + Intel Arc XPU 实验版之间安全路由。用户说“配音、朗读、纳西妲说中文/英文/日语/俄语、TTS、Qwen3-TTS、XPU/GPU 加速、预热或测速”时使用。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
找 skill 的 skill。当用户说"有没有干X的skill/帮我找个skill/还有哪些skill能用/怎么装skill"时，在本地已下载的 skill 目录里检索匹配，给出用途+来源+安装方法。
参考视频解析（P0）。下载某 UP 主的视频，做秒级拆解——语音转文字、镜头切换点、响度节奏——并输出结构化分析报告（钩子位置、节奏、信息密度、可复用的结构 SOP）。当用户说"分析这个视频/参考一下这个 up 主/拆解这条视频的结构"时使用。
选题与标题生成（P1）。基于参考分析和账号定位，产出多个选题方向和每个选题的多版标题（对比打分），含横竖屏/多语言考量。当用户说"想选题/起标题/这个方向有哪些角度"时使用。
剪辑自动化（P2）。ffmpeg 脚本做粗剪、卡点、字幕烧录、横竖屏双版本导出，走 Intel Arc QSV 硬件编码。跳舞视频的音乐卡点也在这里。当用户说"粗剪/烧字幕/导竖屏版/卡点"时使用。
视频本地化编排器（P2，部分实现）。把一条视频本地化为目标语言：转录→翻译→（配音）→烧字幕→竖屏导出。当用户说"帮我把这个视频做成中文字幕/翻译成英文/配俄语音/全套本地化"时使用。注意：翻译/配音步骤尚未自动化，由 Claude 手工完成或待补脚本。
数据复盘（P3）。记录每条视频的标题/封面/开头/各平台数据，分析哪类标题、封面、开场留存更好，沉淀规律反哺选题。当用户说"复盘/记录数据/哪种开头效果好"时使用。
| name | local-tts-dub |
| description | 使用本机 Qwen3-TTS 做预设音色、纳西妲跨语言克隆、整稿/SRT/视频配音，并在稳定 CPU 生产版与 Transformers 5 + Intel Arc XPU 实验版之间安全路由。用户说“配音、朗读、纳西妲说中文/英文/日语/俄语、TTS、Qwen3-TTS、XPU/GPU 加速、预热或测速”时使用。 |
tools/tts-mvp 稳定生产版，设备选 CPU。tts.py。cross_clone.py；整稿使用 dub.py --clone。dub.py --srt ... --video ...。projects/qwen3-tts-xpu-v5-fork。先读 references/xpu-experiment.md，不得覆盖生产环境。先运行：
.\.claude\skills\local-tts-dub\scripts\check.ps1
在 tools/tts-mvp 目录运行，必须使用其 Python 3.12 独立环境：
cd tools\tts-mvp
$py = '.\.venv\Scripts\python.exe'
$ref = 'voices\纳西妲_zh\ready\vo_dialog_LLZAQ004_nahida_01.wav'
$refText = '这次太感谢你们了，请好好休息。累了可以去洗个澡上个厕所转换心情哦。'
$py .\cross_clone.py --ref $ref --ref_text $refText `
--text 'Hello, welcome to the lesson.' --lang en --out outputs\nahida_en.wav
把 --lang 改成 zh、ja、ru 即可。参考文本必须与参考音频完全一致。
# 一行一句；模型只加载一次
$py .\dub.py --lines script.txt --lang zh --clone `
--ref $ref --ref_text $refText --gap 0.35 --out outputs\narration.wav
# 按 SRT 时间轴配音并换入视频
$py .\dub.py --srt captions.en.srt --lang en --clone `
--ref $ref --ref_text $refText --video input.mp4 --out output_en.mp4
中英日俄混合稿不能用单个 dub.py --lang。应把文本拆成带 lang 的片段，在同一 Python 进程内调用 get_engine('qwen')，逐段 synth_clone()，最后复用 ttslib.align.mux()；不要为每句启动一次 Python。
当前只适合测速和修复，不适合成片：Transformers 5 分支仍有 EOS 不停止问题。128 tokens 是固定长度吞吐测试，不是生产限制。
# eager 基准
.\projects\qwen3-tts-xpu-v5-fork\run_benchmark.ps1 -Case short -Rounds 2 -MaxTokens 128
# torch.compile：首次约数分钟；同一进程后续最快
.\projects\qwen3-tts-xpu-v5-fork\run_benchmark.ps1 -Case short -Compile -Rounds 2 -MaxTokens 128
遵守以下规则：
+xpu。tools/tts-mvp/.venv。torch.compile 不是安装后永久完成：同一常驻进程、已见过的输入形状才会热复用；重启仍需预热。