hmo
04db423416
- 70 skills with code and documentation - Add .gitignore (ignore __pycache__, output/, temp/, venv/) - Clean up test intermediates and caches
340 lines
6.7 KiB
Markdown
340 lines
6.7 KiB
Markdown
# 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
|
||
|
||
1. **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）
|
||
|
||
2. **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
|
||
|
||
3. **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
|
||
|
||
4. **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
|
||
|
||
5. **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：
|
||
1. 读取知识库文档
|
||
2. 分析文档结构
|
||
3. 转换为适合朗读的纯文本
|
||
4. 按章节生成音频文件
|
||
5. 合并为完整版音频
|
||
6. 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：
|
||
1. 分析文本长度
|
||
2. 按合适长度分割
|
||
3. 生成多个音频文件
|
||
4. 合并为完整版
|
||
5. 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：
|
||
1. 解析用户指定的章节
|
||
2. 定位对应文本内容
|
||
3. 只生成指定章节的音频
|
||
4. 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：
|
||
1. 扫描目录中的所有音频文件
|
||
2. 按文件名排序
|
||
3. 使用 ffmpeg 合并
|
||
4. 生成完整版文件
|
||
5. 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：**
|
||
```markdown
|
||
## 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
|
||
|
||
1. **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
|
||
|
||
2. **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
|
||
|
||
3. **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
|
||
|
||
```bash
|
||
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
|
||
|
||
```bash
|
||
# 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
|
||
|
||
```bash
|
||
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
|
||
|
||
```bash
|
||
python scripts/generate_audio.py article.txt
|
||
```
|
||
|
||
### 示例 2：Markdown 文档
|
||
|
||
```bash
|
||
python scripts/generate_audio.py document.md --format markdown --output-dir ./audio
|
||
```
|
||
|
||
### 示例 3：指定章节
|
||
|
||
```bash
|
||
python scripts/generate_audio.py book.txt --chapters "第一章,第三章,第五章"
|
||
```
|
||
|
||
### 示例 4：使用男声
|
||
|
||
```bash
|
||
python scripts/generate_audio.py text.txt --voice zh-CN-YunxiNeural
|
||
```
|
||
|
||
### 示例 5：合并音频文件
|
||
|
||
```bash
|
||
# 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
|
||
|
||
1. **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
|
||
|
||
2. **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
|
||
|
||
3. **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
|
||
|
||
4. **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
|