dubbing-skills

name	dubbing-skills
description	将长文稿/文章转换为配音稿 JSON，支持智能切分、情感分析、多角色识别。当用户需要将文章转语音、制作有声书、处理多角色对话配音时，按本规范生成配音稿。

配音稿生成技能

将长文稿转换为结构化配音稿 JSON，用于批量 TTS 生成。

---

🎯 使用场景

• 文章 / 博客 → 有声版本
• 剧本 / 小说 → 有声书
• 视频脚本 → 配音
• 多角色对话 → 分角色朗读

---

📋 工作流程

┌─────────────┐    ┌─────────────┐    ┌─────────────┐    ┌─────────────┐
│ 用户给文稿  │ →  │ AI生成JSON  │ →  │ 用户审核    │ →  │ 批量生成    │
└─────────────┘    └─────────────┘    └─────────────┘    └─────────────┘

---

Step 1: AI 分析文本生成配音稿

当用户说 "把这篇文章转成语音" + 贴上文章，按以下流程分析：

1.1 检测语言

根据文本内容判断：Chinese / English / Japanese / Korean

1.2 识别文本类型

类型	特征	处理方式
多角色对话	有 【角色名】 标记	解析角色名
无标记对话	有 "引号" 对话	标记为 character_1, 2...
纯旁白	无对话标记	使用默认角色 旁白

1.3 智能切分

规则：

1. 按段落分割（\n\n）
2. 按句号切分（。！？.!?）
3. 超过 300 字在逗号处二次切分
4. 不在引号内切分

保持完整的情况：

• "今天天气真好。我们出去吧。" → 引号内不切
• 我想……可能不行 → 省略号不切
• 3.14 2.5% → 数字不切

1.4 情感分析

为每段生成 instruct（10-20 字）：

文本特征	emotion	instruct 示例
陈述事实	neutral	平静陈述
感叹号多	happy/excited	开心兴奋，语速稍快
问句	neutral	疑问上扬
省略号	sad/calm	低沉缓慢，略带叹息
描写场景	calm	舒缓平和，营造氛围
冲突对话	angry	语气激动，重音明显

1.5 确定模式和 Speaker

角色需求	推荐模式	配置
普通角色	custom-voice	speaker: Vivian/Ryan
特定音色（萝莉、大叔等）	voice-design	voice_instruct: 音色描述
真人声音	voice-clone	ref_audio + ref_text

内置 Speaker：

• Chinese → Vivian（女）
• English → Ryan（男）
• Japanese → Ono_Anna（女）
• Korean → Sohee（女）

---

Step 2: 输出 JSON

标准模板

{
  "version": "1.1",
  "source": "文章标题或来源",
  "language": "Chinese",
  "default_mode": "custom-voice",
  "silence_gap": 0.3,
  "character_switch_gap": 0.5,
  "total_segments": 5,
  
  "character_map": {
    "旁白": {
      "speaker": "Vivian",
      "default_instruct": "平静的叙述"
    },
    "角色A": {
      "speaker": "Ryan",
      "default_instruct": "年轻活泼"
    }
  },
  
  "segments": [
    {
      "id": 1,
      "character": "旁白",
      "text": "第一段内容。",
      "instruct": "情感/语气描述",
      "emotion": "neutral"
    }
  ]
}

输出时提示用户

这是生成的配音稿 JSON。请检查：

1. 切分是否合理
2. 角色分配是否正确
3. 情感 instruct 是否合适
4. 需要调整的 mode（custom-voice / voice-design / voice-clone）

修改后保存为 .dubbing.json 文件，然后告诉我"帮我生成语音"。

---

Step 3: 批量生成语音

用户确认后，执行：

uv run qwen3-tts-skills/scripts/batch_dubbing.py \
  --input article.dubbing.json \
  --out-dir outputs

---

📖 三种模式配置

custom-voice（默认）

"character_map": {
  "旁白": {
    "mode": "custom-voice",
    "speaker": "Vivian",
    "default_instruct": "平静叙述"
  }
}

voice-design

"character_map": {
  "萝莉": {
    "mode": "voice-design",
    "voice_instruct": "稚嫩可爱的萝莉女声，音调偏高",
    "default_instruct": "撒娇语气"
  }
}

voice-clone

"character_map": {
  "主播": {
    "mode": "voice-clone",
    "ref_audio": "voices/host.wav",
    "ref_text": "参考音频的文本内容"
  }
}

⚠️ voice-clone 不支持 instruct 情感控制

---

📝 instruct 写法参考

情感	示例
开心	开心愉快，语调上扬
悲伤	低沉缓慢，略带叹息
愤怒	语气激动，语速加快
惊讶	惊讶上扬，略微拖长
平静	平和舒缓，语速适中
紧张	语速略快，有些紧张
神秘	压低声音，营造悬疑
温柔	轻声细语，温柔亲切
严肃	庄重正式，一字一顿
撒娇	撒娇拖音，语调起伏

---

🔗 相关文档

• 格式规范：references/dubbing_format.md
• 完整示例：references/examples.md
• 主技能：../SKILL.md

---

💡 快速示例

用户输入：

【旁白】清晨的咖啡店里，阳光透过玻璃窗洒落。
【小明】早上好！今天天气真不错！
【小红】是啊，我们一起去公园吧！

AI 输出：

{
  "version": "1.1",
  "language": "Chinese",
  "default_mode": "custom-voice",
  "silence_gap": 0.3,
  "character_switch_gap": 0.5,
  "total_segments": 3,
  "character_map": {
    "旁白": {"speaker": "Vivian", "default_instruct": "平静叙述"},
    "小明": {"speaker": "Ryan", "default_instruct": "年轻活泼男声"},
    "小红": {"speaker": "Vivian", "default_instruct": "温柔甜美女声"}
  },
  "segments": [
    {"id": 1, "character": "旁白", "text": "清晨的咖啡店里，阳光透过玻璃窗洒落。", "instruct": "场景描述，舒缓平和", "emotion": "calm"},
    {"id": 2, "character": "小明", "text": "早上好！今天天气真不错！", "instruct": "开心问候，语气上扬", "emotion": "happy"},
    {"id": 3, "character": "小红", "text": "是啊，我们一起去公园吧！", "instruct": "兴奋期待，活泼语气", "emotion": "excited"}
  ]
}