huangxin-design/blender-beginner / skills/huanghuayu-tutorial-video
huanghuayu-tutorial-video
Verified制作黄花鱼频道的复古科技风教程视频与封面,复用 CRT 电视视觉、中文字体、配音、稳定转场和荧光半调封面。将当前案例的真实作品、对话经验与工程讲解组织成一条 3:4 教程。适用于“复用黄花鱼教程模板”“按上次风格做教程/封面”;不用于单独建模或普通成片渲染。
references/voice.md
View on GitHub# 配音与分句字幕
当前频道使用 Microsoft Edge TTS 的 `zh-CN-XiaoxiaoNeural`(晓晓),语速 `+12%`、音高 `-2Hz`。这不是已确认的 Dot 音色。语气用自然、亲切的讲解文案控制;不要承诺未经验证的音色复刻,也不需要保存 API 密钥。
## 配置
把每个镜头的讲解拆成适合一次显示的短句。`text` 是完整口播,`subtitle_lines` 是该句字幕的人工换行,不应删改口播含义。不要用字符数量估算字幕时间。
```json
{
"voice_settings": {
"voice": "zh-CN-XiaoxiaoNeural",
"rate": "+12%",
"pitch": "-2Hz",
"gap_seconds": 0.15
},
"shots": [
{
"id": "M01",
"narration_parts": [
{
"text": "先看这朵花的开合。",
"subtitle_lines": ["先看这朵花的开合。"]
},
{
"text": "再把动画和材质分别拆开。",
"subtitle_lines": ["再把动画和材质", "分别拆开。"]
}
]
}
]
}
```
这只是配音字段示例,实际 `lesson.json` 还应保留渲染器要求的画面和字体配置。镜头 `id` 用唯一的英文字母、数字、下划线或短横线;输出文件按 `id` 命名。无口播镜头可省略 `narration_parts`,其原配置保持不变。
## 执行
依赖 Python 3.9+、PATH 上的 FFmpeg;在线生成另需 `edge-tts`,已验证使用版本为 `7.3.1`。依赖安装不是脚本自动行为。
```sh
python -m pip install edge-tts==7.3.1
python <SKILL_DIR>/scripts/synthesize_voice.py --config <WORK_DIR>/lesson.json --validate-only
python <SKILL_DIR>/scripts/synthesize_voice.py --config <WORK_DIR>/lesson.json
```
只有明确执行最后一条合成命令才会连接 Edge 在线语音服务,发送配置中的口播文字。加载 skill、导入脚本、`--help`、`--validate-only` 都不会联网。脚本不播放音频、不操作窗口。网络请求失败时直接报错,不切换音色或无限重试。
每句先生成独立 MP3,再经 FFmpeg 转成 48 kHz、单声道、16-bit PCM WAV,响度处理目标为 `I=-18 LUFS / TP=-2 dBTP / LRA=9`。句间插入 150 ms 静音;可用 `gap_seconds` 调整。此值是新增间隔,原始 TTS 句尾自带停顿也会保留。脚本检查每句及合并音轨非静音、无满幅削波;没有自动进行听感审校。
## 输出与渲染器接口
所有输出写在 `lesson.json` 所在目录;重复运行会重建同名音频和清单,输入 JSON 不改写。
- `audio/M01_source_01.mp3` 等:在线合成的分句源文件。
- `audio/M01_part_01.wav` 等:统一格式的分句音轨。
- `audio/M01.wav`:镜头完整音轨。
- `audio/M01_subtitle_cues.json`:`{duration_seconds, gap_seconds, cues:[{start,end,lines,narration}]}`。
- `audio_manifest.json`:实际长度、来源、字幕事件及峰值检查结果。
- `lesson.voiced.json`:保留输入画面字段,补入各镜头 `audio_file`、`audio_duration_seconds`、`duration_seconds`、`subtitle_events`。
时间单位均为秒,字幕事件相对当前镜头开始。`audio_duration_seconds` 为实测音频长度;`duration_seconds` 为未添加尾停留的镜头基础时长,取输入值与音频长度的较大者。`audio_file` 相对输出配置所在目录解析。
前一句的 `end` 等于下一句的 `start`,句间不会出现空字幕。最后一句在音频侧结束于音轨尾;渲染器将其延续至整镜头末。渲染器统一增加 `video.tail_seconds`(默认 0.35 秒)并向整帧取整,不要在配音脚本里重复加尾停留。
## 离线复用
为每个 `narration_parts` 添加 `source_audio`,指向已有本地分句音频,相对路径仍以 `lesson.json` 所在目录为基准,也可使用绝对路径。使用新的工作目录或镜头 ID,避免源文件与本次生成的输出文件同名。
```json
{
"text": "先看这朵花的开合。",
"subtitle_lines": ["先看这朵花的开合。"],
"source_audio": "source_audio/sentence_01.wav"
}
```
```sh
python <SKILL_DIR>/scripts/synthesize_voice.py --config <WORK_DIR>/lesson.json --reuse-audio --validate-only
python <SKILL_DIR>/scripts/synthesize_voice.py --config <WORK_DIR>/lesson.json --reuse-audio
```
此模式只读取本地音频,由 FFmpeg 统一格式并重新生成合并音轨和字幕时间,不联网,也不导入 `edge_tts`。清单的 `provider` 标为已有本地音频;配置中的预设音色不作为这些源音频实际音色的证明。打包 skill 时只带脚本和说明,不带依赖缓存、用户录音或生成的大量音频。
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| slack-gif-creatoranthropics/skillsKnowledge and utilities for creating animated GIFs optimized for Slack. Provides constraints, validation tools, and animation concepts. Use when users request animated GIFs for Slack like "make me a GIF of X doing Y for Slack." | Stars: 198k | Updated | Claude CodeCodex | Verified | Install |
| ponytailDietrichGebert/ponytailLazy senior dev mode for any coding task: the smallest change that fully solves it, and a reply a busy human understands in one read. | Stars: 196k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-debtDietrichGebert/ponytailHarvest every shortcut: comment into one debt ledger, so deferrals get tracked instead of forgotten. One-shot report. | Stars: 196k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-debtDietrichGebert/ponytailList every `shortcut:` comment (and older `ponytail:` ones) as a debt ledger. One-shot report, changes nothing. Use for "ponytail debt", "what did ponytail defer", "list the shortcuts", /ponytail-debt. | Stars: 196k | Updated | Claude CodeCodex | Verified | Install |