Menu
管理视频项目的音频层 (配音/TTS、BGM、音效) 和字幕层 (SRT/ASS 格式生成)。从场景剧本中提取对白，生成配音指导、字幕文件和音频混合方案。
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Baseado na classificação ocupacional SOC
Calculate Four Pillars (四柱) from birth date/time using lunar calendar conversion. Foundation skill for all BaZi analysis.
Create and manage artifact.json for task outputs. Use when creating code files, documentation, or any files that should be tracked as artifacts.
Create and manage artifact.json for task outputs. Use at the START of every task to define planned deliverables before beginning research.
Provide career guidance and recommendations based on BaZi elemental strengths, Day Master traits, and current luck cycles.
Calculate and interpret 10-year luck cycles (大运) and annual fortune (流年) for timing insights and life trend predictions.
Analyze BaZi compatibility for romantic relationships (合婚). Examines elemental harmony, Day Master interaction, and long-term compatibility potential.
| name | audio-subtitle-manager |
| description | 管理视频项目的音频层 (配音/TTS、BGM、音效) 和字幕层 (SRT/ASS 格式生成)。从场景剧本中提取对白，生成配音指导、字幕文件和音频混合方案。 |
管理视频的声音维度：将场景剧本中的对白转换为可用的配音指导和字幕文件，规划 BGM 和音效的时间轴，确保声画同步。
从场景剧本生成字幕和配音方案
为这些场景规划 TTS 配音:
- 角色 A: 男声，成熟专业
- 角色 B: 女声，活力年轻
提取场景剧本的对白，生成 SRT 字幕文件
When user requests audio/subtitle management:
提取对白
从 ./output/scripts/scenes/ 中扫描所有场景文件，提取对白：
## 对白提取报告
**来源**: ./output/scripts/scenes/ (N 个场景文件)
**总字数**: [XXX] 字
**预估配音时长**: [X:XX]
**角色**: [列表]
| 场景 | 时间段 | 说话人 | 对白内容 | 语气 | 预估时长 |
|------|--------|--------|---------|------|---------|
| S01 | 0:00 | 角色 A | "大家好..." | 自信 | 0:03 |
| S01 | 0:03 | [旁白] | "今天我们..." | 沉稳 | 0:05 |
| S02 | 0:08 | 角色 A | "你有没有..." | 好奇 | 0:04 |
| ... | ... | ... | ... | ... | ... |
**各角色对白量**:
- 角色 A: [XXX] 字 / [X:XX] 时长
- 角色 B: [XXX] 字 / [X:XX] 时长
- 旁白: [XXX] 字 / [X:XX] 时长
生成 SRT 字幕文件
1
00:00:00,500 --> 00:00:03,200
大家好，欢迎来到xxx。
2
00:00:03,500 --> 00:00:07,800
今天我要跟你聊一个
99%的人都不知道的秘密。
3
00:00:08,200 --> 00:00:12,000
你有没有想过为什么
有些人做视频就是能火？
4
00:00:12,500 --> 00:00:15,800
答案其实很简单——
SRT 规范:
生成 ASS 字幕文件 (带样式)
[Script Info]
Title: [视频标题]
ScriptType: v4.00+
WrapStyle: 0
PlayResX: 1920
PlayResY: 1080
ScaledBorderAndShadow: yes
[V4+ Styles]
Format: Name, Fontname, Fontsize, PrimaryColour, SecondaryColour, OutlineColour, BackColour, Bold, Italic, Underline, StrikeOut, ScaleX, ScaleY, Spacing, Angle, BorderStyle, Outline, Shadow, Alignment, MarginL, MarginR, MarginV, Encoding
Style: Default,Noto Sans SC,60,&H00FFFFFF,&H000000FF,&H00000000,&H80000000,0,0,0,0,100,100,0,0,1,3,1,2,30,30,50,1
Style: Speaker_A,Noto Sans SC,60,&H00FFFFFF,&H000000FF,&H00FF6600,&H80000000,-1,0,0,0,100,100,0,0,1,3,1,2,30,30,50,1
Style: Speaker_B,Noto Sans SC,58,&H00F0F0F0,&H000000FF,&H003366CC,&H80000000,0,0,0,0,100,100,0,0,1,3,1,2,30,30,50,1
Style: Emphasis,Noto Sans SC,72,&H0000FFFF,&H000000FF,&H00000000,&H80000000,-1,0,0,0,100,100,0,0,1,4,2,2,30,30,50,1
[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
Dialogue: 0,0:00:00.50,0:00:03.20,Speaker_A,,0,0,0,,大家好，欢迎来到xxx。
Dialogue: 0,0:00:03.50,0:00:07.80,Default,,0,0,0,,今天我要跟你聊一个\N99%的人都不知道的秘密。
Dialogue: 0,0:00:08.20,0:00:12.00,Speaker_A,,0,0,0,,你有没有想过为什么\N有些人做视频就是能火？
ASS 样式说明:
{\fad(300,200)} 淡入淡出效果\N 手动换行{\move}, {\t}, {\clip}配音指导文档
## 配音指导 (Voiceover Guide)
### 全局设定
| 参数 | 值 |
|------|-----|
| 语言 | 中文普通话 |
| 采样率 | 48 kHz |
| 位深 | 24-bit |
| 格式 | WAV (原始) / MP3 (成品) |
| 码率 | 320 kbps (MP3) |
---
### 角色 A: [角色名]
**声音特征**:
- 性别:音色: [男声 / 女声 / 中性]
- 音高: [低沉 / 中等 / 清亮]
- 语速: [正常 ~200 字/分 / 偏快 ~250 / 偏慢 ~160]
- 风格: [专业播报 / 亲切聊天 / 活力年轻 / 权威严肃]
- 参考: [知名配音员 / 播客主持人 / 相似风格]
**TTS 推荐** (AI 语音):
- 平台: [Azure TTS / ElevenLabs / 讯飞 / MiniMax]
- Voice ID: [推荐的声音 ID]
- 参数: speed=1.0, pitch=0, emotion=friendly
**逐段配音指导**:
| SegID | 时间 | 对白 | 语气 | 语速 | 特殊指示 |
|-------|------|------|------|------|---------|
| A-01 | 0:00 | "大家好..." | 自信,微笑 | 正常 | 开场感，稍微提高音量 |
| A-02 | 0:08 | "你有没有..." | 好奇,期待 | 稍慢 | 设问句，尾音上扬 |
| A-03 | 0:15 | "答案其实..." | 揭秘,得意 | 先停顿再说 | [停顿 0.5s] 后开始 |
---
### 旁白 (Narrator)
**声音特征**:
- [与角色声音保持一致 / 用不同声音]
- 距离感: [贴近耳边 / 中等距离 / 有回声感]
- 语速: [偏慢 — 留给画面]
BGM 编排
## BGM 编排方案
### 音乐风格定义
**全局风格**: [电子/钢琴/吉他/管弦乐/Lo-Fi/...]
**情绪关键词**: [轻快, 温暖, 科技感, 励志, 神秘]
**参考曲目**: [列出类似风格的参考曲]
**音量基准**: -20dB (对白时) / -12dB (纯音乐段)
### 时间轴
| 时间段 | BGM 描述 | 音量 | 过渡 | 对应场景 |
|--------|---------|------|------|---------|
| 0:00-0:05 | 开场 Intro — 短促有力的节拍 | -15dB → -20dB | Fade In 1s | S1: Hook |
| 0:05-0:25 | 轻快节奏 — 持续铺底 | -20dB | — | S2: 介绍 |
| 0:25-0:55 | 推进感加强 — 节奏略快 | -20dB | Crossfade 2s | S3: 要点 |
| 0:55-1:00 | 小高潮 — 鼓点加强 | -15dB | — | S4: 案例 |
| 1:00-1:30 | 沉稳深入 — 钢琴为主 | -22dB | Crossfade 2s | S5: 分析 |
| 1:30-1:45 | 结尾升华 — 略带感动 | -18dB → Fade Out | — | S6: 总结 |
音效列表
## 音效清单 (SFX List)
| # | 时间点 | 音效描述 | 类型 | 时长 | 音量 | 来源 |
|---|--------|---------|------|------|------|------|
| 1 | 0:02 | 文字飞入 Whoosh | 转场 | 0.5s | -10dB | 素材库 |
| 2 | 0:08 | 设问"叮"提示音 | 强调 | 0.3s | -15dB | 素材库 |
| 3 | 0:15 | 翻页音效 | 转场 | 0.4s | -18dB | 素材库 |
| 4 | 0:30 | 数据弹出 Pop | UI | 0.2s | -12dB | 合成 |
| ... | ... | ... | ... | ... | ... | ... |
**音效分类**:
- 🔊 **转场** (Transition): whoosh, swipe, snap
- 🔔 **强调** (Emphasis): ding, chime, impact
- 🖱️ **UI** (Interface): click, pop, slide
- 🌍 **环境** (Ambience): 办公室白噪, 城市, 自然
- 🎉 **情绪** (Emotion): 成功音, 惊喜, 紧张感
音频时间轴汇总
## 音频时间轴 (Audio Timeline)
0:00 0:10 0:20 0:30 0:40 0:50 1:00 |--------|--------|--------|--------|--------|--------|
配音 (VO): |==A-01==| |==A-02==| |====A-03====| |==A-04..
BGM: |▓▓▓ Intro ▓▓|░░░░ Light ░░░░░░░░░░|▓▓ Build ▓▓▓▓|
音效 (SFX): ↑ ↑ ↑ ↑ ↑ whoosh ding pop pop whoosh
字幕: |Sub1| |Sub2| |--Sub3---| |Sub4| |--Sub5---|
保存文件
保存到 ./output/ 的以下位置：
./output/
├── subtitles/
│ ├── [video-name].srt # SRT 字幕
│ ├── [video-name].ass # ASS 样式字幕
│ └── subtitle-style-guide.md # 字幕样式说明
├── audio/
│ ├── voiceover-guide.md # 配音指导文档
│ ├── bgm-timeline.md # BGM 编排方案
│ ├── sfx-list.md # 音效清单
│ └── audio-timeline.md # 音频时间轴汇总
└── scripts/
└── dialogue-extract.md # 对白提取表
输出总结
✅ 音频字幕方案完成！
**字幕**:
- SRT: `./output/subtitles/[name].srt` ([N] 条字幕)
- ASS: `./output/subtitles/[name].ass` (含样式)
**配音**:
- 指导文档: `./output/audio/voiceover-guide.md`
- 角色数: [N] 个
- 总配音时长: [X:XX]
**BGM**: `./output/audio/bgm-timeline.md`
**音效**: `./output/audio/sfx-list.md` ([N] 个音效)
**Next Steps**:
1. 生成 TTS: `用 TTS 合成角色 A 的配音`
2. 修改字幕: `修改第 [N] 条字幕的时间`
3. 多语字幕: `生成英文版字幕`
4. 查看时间轴: `显示完整音频时间轴`
scene-scriptwriter — 上游：提供对白内容prompt-generator — 在剧照中嵌入字幕参考位置digital-human-integrator — 数字人口型同步需配合配音broll-generator — B-Roll 段落通常没有对白，只有旁白/BGM