Voix off et narration audio

VérifiéPrudence

Génère, auditionne et vérifie la narration audio d'une vidéo à partir de narration.json, avec plusieurs fournisseurs de synthèse vocale.

Spar Skills Guide Bot
ContenuIntermédiaire
21/10/2026
Claude CodeCodex
#text-to-speech#voiceover#video-production#audio#narration

Recommandé pour

Synthèse automatique

Génère, auditionne et corrige la narration audio d'une vidéo de type « paper video » à partir d'un fichier narration.json, avec plusieurs fournisseurs de synthèse vocale et une vérification automatique de la transcription.

Points forts

  • Régénération incrémentale : seuls les segments dont le texte, la voix, le modèle, le style ou le fournisseur ont changé sont relus.
  • Choix de fournisseurs adaptés au contexte : OpenRouter/Gemini pour la qualité, `say` (macOS) et `silent` gratuits pour les maquettes de timing.
  • Vérification automatique par retranscription mot à mot, avec seuil de similarité et nouvelles tentatives pour retenir la meilleure prise.
  • Audition de plusieurs voix sur un seul segment et doublage possible d'une vidéo existante avec décalage et atténuation de l'audio d'origine.

Limites

  • La vérification par retranscription exige une clé OpenRouter en plus de la clé de synthèse, ce qui ajoute coût et latence.
  • L'instruction de style n'est respectée que par Gemini TTS ; d'autres modèles peuvent la lire à voix haute.
  • Le fournisseur `say` est limité à macOS et sonne robotique ; le fournisseur `silent` ne produit que du silence calibré pour le timing.
Quand l'utiliser

À utiliser lorsque la narration d'une paper video doit être produite, réajustée (voix, rythme, prononciation) ou ajoutée par-dessus un montage existant.

Quand l'éviter

À éviter si narration.json et la structure du projet n'existent pas encore, ou si l'on cherche un montage vidéo complet plutôt que la seule piste vocale.

Analyse de sécurité

Prudence
Score qualité86/100

The skill is a legitimate media-generation workflow using local scripts, network TTS APIs, and video dubbing. It includes no destructive commands, credential exfiltration, obfuscated payloads, or safety-disabling instructions, and explicitly warns against printing or committing keys. Caution is warranted only because it invokes unreviewed local scripts and third-party APIs.

Points d'attention
  • •Delegates execution to local `uv run scripts/generate_voice.py` and `scripts/videotools.py`; the script contents are not included, so their actual behavior cannot be verified from this file.
  • •Uses third-party TTS providers and reads API keys such as `OPENROUTER_API_KEY` and `GEMINI_API_KEY` from `.env`; keys should be scoped appropriately and never committed.
  • •Runs local Python scripts via `uv run` and performs outbound network calls to OpenRouter or Gemini TTS services.
  • •Requires API keys (`OPENROUTER_API_KEY`, `GEMINI_API_KEY`) loaded from `.env`; the skill correctly warns against printing or committing keys.
  • •Writes audio files and can modify video audio via `videotools.py dub`; these are legitimate but file-mutating operations.
Comment cette analyse est faite

Exemples

Generate all narration
Generate the voice-over for my paper video project at ./my-paper-video — render every segment in narration.json and tell me which clips came out below the similarity threshold.
Audition voices
Audition the voices Charon, Puck, Kore and Fenrir on the 01-title segment of ./my-paper-video so I can pick one before rendering the rest.
Fix a mispronounced clip
Clip 03-method is flagged LOW because the model mispronounces our model name; rephrase the sentence so it sounds right and regenerate only that segment.
Dub an existing video
Add the narration clip P/audio/04-demo.wav on top of in.mp4 with a 1 second offset and duck the original audio to 20%.

name: voiceover description: Generate, audition, regenerate or fix narration audio for a paper video from narration.json (stage 4 of paper-to-video). Use for text-to-speech, changing voice or pace, mispronunciations, clips flagged LOW, or adding a voice-over on top of an existing video.

Voice-over

uv run scripts/generate_voice.py P                         # all segments; unchanged ones are skipped
uv run scripts/generate_voice.py P --only 03-method,07-results
uv run scripts/generate_voice.py P --force                 # regenerate all
uv run scripts/generate_voice.py P --audition Charon,Puck,Kore,Fenrir --only 01-title   # -> audio/audition/
uv run scripts/generate_voice.py P --provider say          # free offline draft (macOS)
uv run scripts/generate_voice.py P --provider silent       # silence of estimated length, for timing only

Output: P/audio/<id>.wav (24 kHz mono) and <id>.json (text hash, voice, duration, similarity). A clip is regenerated automatically when its text, voice, model, style or provider changes.

Providers (tts.provider in narration.json, or --provider)

| provider | needs | notes | |---|---|---| | openrouter | OPENROUTER_API_KEY in .env | default; model google/gemini-3.1-flash-tts-preview, voices such as Charon, Puck, Kore, Fenrir, Aoede | | gemini | GEMINI_API_KEY | Google AI Studio directly; same voices | | say | macOS | robotic but free; good for timing drafts | | silent | nothing | ~2.6 words/s of silence |

.env is looked up in the project folder, the current folder, then the repo root. Never print or commit keys.

Pace and style

tts.style is a natural-language instruction prepended to every text. Gemini TTS follows it and does not speak it; other models may read it aloud, and the transcription check will catch that. Per-segment overrides: {"id": "...", "text": "...", "tts": {"voice": "Puck"}}.

Verification

With verify.model set and an OpenRouter key, each clip is transcribed back and compared word for word with the script; below min_similarity it retries up to retries times and keeps the best take. Clips still below the threshold are listed under NEEDS ATTENTION with what was heard. Fixes: rephrase the sentence, spell a term the way it sounds, or split long sentences. Rewording usually works best. Listen to flagged clips before accepting them.

Voice-over on an existing video

Either add a narration segment to narration.json and reference its id from a clip item in timeline.json ("narration": "<id>", see the video-editing skill), or do it directly:

uv run scripts/videotools.py dub in.mp4 P/audio/04-demo.wav out.mp4 --offset 1.0 --duck 0.2

The original audio drops to --duck (0.2 = 20 %) while the voice speaks; the last frame is held if the voice outlasts the video (--no-extend to cut instead).

Du fichier au premier essai

Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.

Consulter la source et ses fichiers annexes

Ce téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.

1. Télécharger le fichier

Télécharger SKILL.md

Depuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/voice-over-and-narration-audio-mvda870o/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.

Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.

mkdir -p '.skill-downloads/voice-over-and-narration-audio-mvda870o' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/voice-over-and-narration-audio-mvda870o/download' --output '.skill-downloads/voice-over-and-narration-audio-mvda870o/SKILL.md.part' && mv '.skill-downloads/voice-over-and-narration-audio-mvda870o/SKILL.md.part' '.skill-downloads/voice-over-and-narration-audio-mvda870o/SKILL.md'

2. Vérifier les prérequis

Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.

Aucune section de prérequis reconnue dans ce fichier. Cela ne signifie pas qu’il est autonome : les bibliothèques, outils et accès peuvent être cités ailleurs dans le contenu ou dans le dépôt source.

Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.

3. Charger la skill

Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.

Claude Code
test -f '.skill-downloads/voice-over-and-narration-audio-mvda870o/SKILL.md' && test -s '.skill-downloads/voice-over-and-narration-audio-mvda870o/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/voiceover' && cp -R '.skill-downloads/voice-over-and-narration-audio-mvda870o' '.claude/skills/voiceover'

Codex
test -f '.skill-downloads/voice-over-and-narration-audio-mvda870o/SKILL.md' && test -s '.skill-downloads/voice-over-and-narration-audio-mvda870o/SKILL.md' && mkdir -p '.agents/skills' && test ! -e '.agents/skills/voiceover' && cp -R '.skill-downloads/voice-over-and-narration-audio-mvda870o' '.agents/skills/voiceover'

OpenSkills

OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.

Installation officielle d’OpenSkills
openskills install './.skill-downloads/voice-over-and-narration-audio-mvda870o'

openskills read 'voice-over-and-narration-audio-mvda870o'

La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.

Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.

openskills sync

Mode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.

4. Faire un premier essai

Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :

Lis .skill-downloads/voice-over-and-narration-audio-mvda870o/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.

Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.

Skills similaires