★ FEATURED ARTICLE 【免费下载链接】story-studio从选题到剪映草稿的一站式 AI 短视频内容创作 Agent Skill项目地址https://gitcode.com/gh_mirrors/st/story-studio点击查看免费下载Story Studio故事工坊是一个一站式 AI 短视频内容创作 Skill其Story Studio 配音环节提供两条开箱即用的路径一是接入豆包语音大模型由 Agent 全自动合成本期 MP3二是自备 MP3 无缝接力把已有配音丢进项目Agent 直接接手后续的字幕对齐、配图与剪映草稿。两条路径都能无缝汇入定稿 → 配音 → Coli 本地转录 → 带时间分镜 → 配图 → 剪映草稿的完整流水线新手也能用自然语言一步走完。一、先选路径Story Studio 配音双路径如何选最省事当口播任务缺少本期最终配音时哪怕你只说按这篇文稿配图并做剪映草稿Story Studio 会主动给出这两条路径而不是简单一句请提供 MP3对比维度路径一豆包语音全自动合成路径二自备 MP3 无缝接力你要做的事开通语音服务提供 API Key、speaker ID 和模型资源把本期最终 MP3 交给 AgentAgent 负责的事配置本地调用端、dry-run 预检、合成并校验 MP3核验音频、本地 Coli 转录、音文核对适合场景从零开始、不想找录音、想省配音成本已有录音、追求特定真人音色记录方式voice_modedoubaovoice_modeprovided两条路径共用同一套接力流程产物完全一致随时可以中断、换路径或续做。相关规则定义在 SKILL.md 的缺少最终配音时必须先给出两条路径一节。二、路径一配置豆包语音大模型由 Agent 全自动合成 MP31. 只需提供三样东西Key、speaker ID、模型资源第一次使用豆包配音Agent 会一次问齐三项配置来源均为火山引擎语音控制台语音 API Key对应请求头X-Api-Key务必使用语音服务的 Key别把 App ID、字幕 Key 或音色 ID 混进来speaker ID音色库里的准确音色标识不用音色显示名称替代模型资源 resource_id普通 2.0 音色用seed-tts-2.0声音复刻 2.0 用seed-icl-2.0。密钥建议通过宿主的安全输入 / 密钥配置入口提供不要粘贴在公开聊天里Agent 可用 scripts/voice_settings.py 从标准输入安全写入专用凭据文件配置保存在用户数据目录不进入项目文件与日志。2. 零门槛依赖安装不用你手动跑命令Python、websockets、FFmpeg 等缺失依赖由 Agent 自动安装不要求你打开终端。初始化说明见 references/setup.md启动器入口为 scripts/bootstrap.shmacOS/Linux或 scripts/bootstrap.ps1Windows。3. 合成前强制 dry-run 预检确认后才真正花钱合成由 scripts/doubao_tts.py 基于豆包 V3 双向 WebSocket 接口完成流程上有多重防翻车设计先用--dry-run仅核验本地文本和音色参数——不读取 Key、不联网、不发付费请求本期 speaker ID、resource_id、语速、音量、朗读范围向你确认后才加--voice-confirmed正式合成全文以不丢字符的文本流发送收到SessionFinished与完整音频后再用 ffprobe ffmpeg 做完整解码校验成功输出 MP3 及同名.voice.json元数据文本哈希、音色、协议、音频哈希、时长方便跨版本追溯同稿同音色优先复用已成功的 MP3默认不覆盖、避免重复扣费网络超时不会自动重试Agent 会先核对 partial 残留与控制台请求状态再判断是否重新合成。三、路径二自备 MP3 无缝接力不用手动做字幕如果你已有录好的配音真人录音、其他工具合成的音频都可以直接把文件或本地路径交给 Agent 即可Agent 自动核验音频完整性、时长、与文稿的对应关系已有可用最终音频时直接复用不重复付费合成本地 Coli 离线转录调用 transcribe_with_coli.py 识别出带逐句时间戳的 SRT 字幕基于真实发声边界切分绝不按字数瞎猜时间音文核对对照文案修正转录错字、为重复句消歧你不需要手工制作任何字幕文件。转录结果同时作为后续时间轴的唯一依据带时间的分镜表、配图与剪映草稿全部从这份 SRT 生长出来。四、无缝接力从 MP3 到剪映草稿的完整产物链无论走哪条路径拿到本期 MP3 后接力流程完全一致Coli 转录→ 生成 SRT 与逐句时间戳带时间分镜→ 用真实 SRT 与上下文确定每镜起止不按字数或镜数均分配图→ 按已确认的画风与数量生图详见 modules/history-image/GUIDE.md剪映草稿导出→ 基于pyJianYingDraft生成 9:16 竖屏可编辑草稿自动写入慢推拉关键帧与切点缩放详见 modules/render-history-video/GUIDE.md。全程用voice_modedoubao/provided/none记录本期配音方式只写稿时none后续随时可继续配音。五、常见问题速答Q1不确认会直接扣费吗不会。未收到你的音色与参数确认前不发送任何付费合成请求等待期间 Agent 只推进不依赖音频的工作。Q2合成中途断网怎么办脚本不自动重试会保留 partial 文件供排查Agent 先核对残留文件、已有 MP3 和控制台请求状态再决定是否重新合成。Q3字幕是调用的火山字幕 API 吗不是。字幕统一走本机 Coli 离线识别项目不调用也不恢复任何云端字幕服务。Q4换了文案或重录了配音时间轴全部失效重来先回音文核验再用新版音频重新转录、重新分镜草稿使用新版本号不覆盖旧草稿。Q5草稿画幅能改吗默认 1080×1920 竖屏 30fps用户明确要求时优先按用户设置。六、延伸阅读配音完整规则references/doubao-voice.md依赖自动初始化references/setup.md豆包合成脚本scripts/doubao_tts.py 音色与凭据配置scripts/voice_settings.py本地转录脚本modules/history-image/scripts/transcribe_with_coli.py剪映草稿模块modules/render-history-video/GUIDE.md选对配音路径剩下的交给流水线一句话提需求从定稿到可编辑剪映草稿Story Studio 帮你走完最后几步。赞分享【免费下载链接】story-studio从选题到剪映草稿的一站式 AI 短视频内容创作 Agent Skill项目地址https://gitcode.com/gh_mirrors/st/story-studio点击查看免费下载相关推荐【无套路自取】科大讯飞TTS离线语音包Android端无网语音合成【无套路自取】科大讯飞TTS离线语音包Android端无网语音合成 你的 App 需要在地铁、车内、飞机等无网络环境下播报语音在线语音合成会直接失效。科大讯语音Video2X 视频超分老番 5 分钟变 4KVideo2X 视频超分老番 5 分钟变 4K 手里的老动漫只有 480p放大后全是马赛克30 帧的比赛录像动作一顿一顿的。Video2X 是一个开源的视音视频视频处理图像处理人工智能5分钟实现Electron语音合成从文字到自然语音的无缝转换5分钟实现Electron语音合成从文字到自然语音的无缝转换 你还在为桌面应用添加语音功能而烦恼吗是否需要复杂的后端服务或第三方API支持本文将带你探索如桌面应用跨平台上一篇终极指南艺术家专属IDE ArtCraft如何把AI绘图与AI视频创作变成一门手艺下一篇从团队到组织Agent Teams AI组织架构与跨团队协作让AI公司规模化运转创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
阅读完成 · 觉得有帮助？
