hmo
04db423416
- 70 skills with code and documentation - Add .gitignore (ignore __pycache__, output/, temp/, venv/) - Clean up test intermediates and caches
6.7 KiB
6.7 KiB
Audio Generator
文本转音频生成技能
将文本内容转换为自然流畅的中文语音，支持多种格式和批量生成。
触发词
- "生成音频"
- "文本转语音"
- "文字转音频"
- "制作有声书"
- "生成朗读音频"
功能描述
核心功能
-
多格式支持
- Markdown 格式（按标题分割）
- 纯文本格式（按大小分割）
- 分隔符格式（按【章节】分割）
-
高质量语音
- 使用微软 Edge TTS 引擎
- 支持多种中文语音（晓晓、云希等）
- 语音自然流畅，适合长文朗读
-
智能分割
- 自动识别章节结构
- 支持自定义分割策略
- 过滤过短内容
-
批量处理
- 批量生成所有章节
- 支持增量更新
- 可指定特定章节生成
-
音频合并
- 合并多个章节为完整版
- 自动按文件名排序
- 保持原有文件不变
- 支持自定义输出文件名
使用场景
场景一：知识库转音频课程
用户："帮我把这个知识库文档转成音频课程"
执行步骤：
- 读取知识库文档
- 分析文档结构
- 转换为适合朗读的纯文本
- 按章节生成音频文件
- 合并为完整版音频
- 创建播放说明文档
场景二：长文分段朗读
用户："把这篇文章分成几个音频文件"
执行步骤：
- 分析文本长度
- 按合适长度分割
- 生成多个音频文件
- 合并为完整版
- 提供播放建议
场景三：特定章节生成
用户："只生成第一章和第三章的音频"
执行步骤：
- 解析用户指定的章节
- 定位对应文本内容
- 只生成指定章节的音频
- 保持文件命名连贯
场景四：音频合并
用户："帮我把这些章节音频合并成一个完整版"
执行步骤：
- 扫描目录中的所有音频文件
- 按文件名排序
- 使用 ffmpeg 合并
- 生成完整版文件
- 保留原有分章节版本
工作流程
文本输入
↓
格式识别 (Markdown/纯文本/分隔符)
↓
章节分割
↓
内容过滤（跳过过短段落）
↓
音频生成（异步批量）
↓
输出到指定目录
↓
合并为完整版（可选）
↓
生成播放说明文档
输入要求
文本格式
推荐格式 - 分隔符格式：
================================================================
【第一章：标题】
内容内容内容...
================================================================
【第二章：标题】
内容内容内容...
Markdown 格式：
## 第一章：标题
内容...
## 第二章：标题
内容...
纯文本格式：
- 将自动按字符数分割
- 建议预处理添加章节标记
内容建议
-
口语化处理
- 移除 Markdown 标记（#、*、-等）
- 转换为口语化表达
- 添加适当的停顿和强调
-
添加术语解释
- 专业术语首次出现时添加解释
- 使用通俗易懂的语言
-
控制章节长度
- 每个章节 5-10 分钟为宜
- 过长内容建议细分
输出说明
文件结构
output_dir/
├── 01_第一章标题.mp3
├── 02_第二章标题.mp3
├── 03_第三章标题.mp3
└── ...
音频规格
- 格式：MP3
- 编码：128kbps
- 采样率：24kHz
- 语音：Microsoft Edge TTS
参数配置
命令行参数
python scripts/generate_audio.py <input_file> [options]
Options:
--format {plain,markdown,separator} 文本格式 (默认: plain)
--output-dir DIR 输出目录 (默认: ./audio_output)
--voice VOICE 语音模型 (默认: zh-CN-XiaoxiaoNeural)
--chapters CHAPTERS 只生成指定章节，逗号分隔
推荐语音
| 语音代码 | 性别 | 适用场景 |
|---|---|---|
| zh-CN-XiaoxiaoNeural | 女声 | 课程内容、长文朗读（默认） |
| zh-CN-YunxiNeural | 男声 | 旁白解说、故事朗读 |
| zh-CN-YunjianNeural | 男声 | 正式场合、官方内容 |
| zh-CN-XiaoyiNeural | 女声 | 故事朗读、温柔亲切 |
| zh-CN-YunyangNeural | 男声 | 新闻播报、官方声明 |
命令行选择音色
# 使用男声（云希）
python scripts/generate_audio.py text.txt --voice zh-CN-YunxiNeural
# 使用女声（晓晓，默认）
python scripts/generate_audio.py text.txt --voice zh-CN-XiaoxiaoNeural
依赖要求
pip install edge-tts
系统要求：
- Python 3.7+
- 网络连接（Edge TTS 需要联网）
- 磁盘空间（每小时音频约 50MB）
示例用法
示例 1：基本使用
python scripts/generate_audio.py article.txt
示例 2：Markdown 文档
python scripts/generate_audio.py document.md --format markdown --output-dir ./audio
示例 3：指定章节
python scripts/generate_audio.py book.txt --chapters "第一章,第三章,第五章"
示例 4：使用男声
python scripts/generate_audio.py text.txt --voice zh-CN-YunxiNeural
示例 5：合并音频文件
# 合并所有章节为一个完整版
python scripts/merge_audio.py ./audio_chapters
# 合并并指定输出文件名
python scripts/merge_audio.py ./audio_chapters -o 完整课程.mp3
# 合并特定模式的文件
python scripts/merge_audio.py ./audio_chapters --pattern "part_*.mp3"
故障排除
| 问题 | 原因 | 解决方案 |
|---|---|---|
| 生成失败 | edge-tts 未安装 | pip install edge-tts |
| 网络错误 | 无法连接 Edge TTS | 检查网络连接 |
| 乱码 | 文本编码错误 | 确保文本为 UTF-8 编码 |
| 文件名为空 | 章节标题非法 | 检查并清理标题中的特殊字符 |
| 部分章节缺失 | 内容过短被过滤 | 调整 MIN_SECTION_LENGTH 或合并短章节 |
最佳实践
-
预处理文本
- 移除不适合朗读的内容（代码、表格等）
- 添加口语化过渡
- 确保术语有解释
-
测试小样本
- 先生成一个章节测试
- 确认语音效果满意后再批量生成
-
合理分割
- 根据内容逻辑分割
- 控制单个音频时长
- 保持章节间连贯性
-
添加元数据
- 创建播放说明文档
- 标注章节内容摘要
- 提供学习建议
相关技能
- videocut-subtitle: 视频字幕生成
- video-creator: 视频创作
- story-to-scenes: 故事拆镜
更新记录
v1.0.0 (2026-02-19)
- 初始版本发布
- 支持三种文本格式
- 支持章节过滤
- 支持多种语音选择
维护者
- 创建者：AI Assistant
- 联系方式：通过 OpenCode 平台
License
MIT License