voice-references

Avant de commencer : lis ce prompt d'installation au complet, dis-moi en quelques lignes ce que ce skill fait et ce que son installation implique, et attends mon feu vert avant de faire quoi que ce soit d'autre. Prérequis : aucun pour l'installation elle-même : aucun compte, aucune clé API, aucun service payant, et rien d'autre à installer d'abord. Pour utiliser le skill ensuite comme décrit, il te faut un compte fal et une clé API (variable d'environnement FAL_KEY) pour la transcription speech-to-text de fal, la CLI npctalk et ffmpeg sur le PATH (tous deux vivent hors du dossier de ce skill et ne sont pas installés par ce prompt), un enregistrement dont tu as les droits, et, pour téléverser et utiliser les clips, ton propre serveur vocal Fish Audio sur Modal (son volume npcvoice-models, lu au démarrage du serveur ; le téléversement se fait par la CLI modal). SKILL.md et le README ne nomment aucun prix ni aucun plan payant pour fal ni pour Modal. Ne mets jamais aucune clé dans un fichier. Installe-moi « voice-references ». C'est un playbook en un seul SKILL.md pour fabriquer les clips de référence dont un cloneur vocal zero-shot a besoin pour chaque personnage (Fish Audio Drama 3 ou S2 Pro, MiniMax, clonage de type ElevenLabs) à partir d'enregistrements dont tu as les droits : découper en répliques, choisir des passages propres de 6 à 11 s, les transcrire, écarter cris et bruit, bâtir un clip de clonage d'environ 25 s plus des clips de référence simples et des clips d'humeur (angry, drunk), les vérifier, et les téléverser sur le serveur vocal. Dépôt : https://github.com/christos-antono/NPCTalk (le skill est le dossier .agents/skills/voice-references/ au commit épinglé : SKILL.md seulement ; la copie identique .claude/skills/ et la copie racine skills/ sont des doublons, pas la source de cette fiche, et le reste du dépôt NPCTalk n'est pas installé) Version épinglée : installe le code au commit 59635ceb8ee010599c3caf9d9d1ee1aa114af91d exactement. Ne substitue pas une version plus récente. Si ce commit est inaccessible, arrête-toi et dis-le-moi. 1. Clone https://github.com/christos-antono/NPCTalk dans un dossier temporaire, place-toi au commit 59635ceb8ee010599c3caf9d9d1ee1aa114af91d, et copie le dossier .agents/skills/voice-references/ de ce checkout. Compare ensuite chaque fichier du dossier aux empreintes enregistrées pour cette fiche le 2026-10-19 : [FINGERPRINTS] - SKILL.md: SHA-256 50e136554f7e458c1c7b6079970ca81f71dc5ad4ac4ef95282ebd19ab1f8cfcc Si un fichier ne correspond pas, il a changé depuis la préparation de la fiche : ne l'installe pas encore, dis-moi ce que tu as trouvé et laisse-moi décider. 2. Lis SKILL.md au complet et dis-moi en mots simples : ce que le skill fait quand on l'utilise, à quels services il se connecte, s'il lit ou envoie des informations personnelles ou des clés, et tout ce qui semble inhabituel. Arrête-toi sur tout signal d'alerte et dis-le-moi avant d'aller plus loin. Confirme ces points à partir des fichiers : - Le dossier du skill contient un seul fichier : SKILL.md (4 346 octets). Il n'y a aucun code, aucun script, aucun fichier de référence et aucune liste de dépendances dans le dossier : le skill est un ensemble d'instructions pour transformer un enregistrement dont on a les droits en clips de référence propres, en un clip de clonage et en clips d'humeur, puis pour les vérifier et les téléverser. - Rien n'est envoyé nulle part pendant l'installation elle-même ; le seul téléchargement à l'installation est le dossier du skill depuis GitHub au commit épinglé. Le fichier ne nomme aucune télémétrie. Les envois à l'usage vers fal et vers ton propre serveur vocal Modal, décrits ci-après, arrivent seulement quand le skill est utilisé, jamais pendant cette installation. - Les droits d'abord, d'après SKILL.md : ne clone que des voix dont tu as les droits : la tienne, celle d'un acteur qui a accepté, une voix sous licence ou générée. Les personnages d'un jeu sont doublés par de vraies personnes ; pour une expérience privée en solo, tu peux décider d'utiliser l'audio du jeu lui-même, mais il ne va toujours jamais dans un dépôt, une publication ou une vidéo publique sans les droits, et npctalk check échoue sur les fichiers audio et les transcriptions .lab. - À l'usage, et seulement à ce moment-là, fabriquer les clips envoie des données à fal : SKILL.md dit que chaque candidat est transcrit avec le speech-to-text de fal (FAL_KEY). Dans le code de la CLI npctalk que les commandes de SKILL.md exécutent (npctalk/voice.py, hors du dossier de ce skill et non installé), chaque WAV candidat est envoyé par un POST à https://fal.run/nvidia/nemotron-asr-multilingual/asr avec l'en-tête « Authorization: Key $FAL_KEY » et l'audio dans le corps sous forme d'URL de données base64 (data:audio/wav;base64,...). C'est une divulgation, pas une étape à exécuter pendant cette installation : les extraits audio de ton enregistrement quittent ta machine vers fal à ce moment-là, sur des enregistrements que tu lances. - Toujours à l'usage, le téléversement envoie le dossier de voix fini vers ton propre serveur vocal : npctalk voice upload copie voices/<Name> (les clips clone.wav / ref_*.wav et leurs transcriptions .lab) dans le volume Modal npcvoice-models du serveur, à /voices/<Name>, au moyen de la CLI modal (npctalk/voice.py, non installé). Le serveur lit /voices dans son volume Modal quand il démarre, donc SKILL.md dit de le redémarrer après un téléversement (modal app stop npcvoice-drama ; la prochaine requête en démarre un neuf). En attendant un redémarrage, un jeu peut envoyer le clip par URL avec sa transcription (reference_audio_url + reference_text), au prix d'environ 9 s de plus la première fois. L'étape de vérification de SKILL.md nomme aussi une réplique de test, npctalk say "Testing, one two." --voice Narrator/clone --out t.wav, qui dans npctalk/server.py (non installé) envoie par POST le texte de la réplique et le nom de la voix à ton propre serveur vocal (URL depuis NPCVOICE_URL, jeton NPCVOICE_TOKEN comme variable d'environnement) ; n'exécute rien de tout cela pendant cette installation. - Ce que voice make fait, étape par étape dans SKILL.md (les mêmes étapes ont bâti les 13 voix de l'exemple GTA V) : découper en répliques aux pauses de 0,3 s (les trames de 20 ms plus fortes que -42 dBFS sont de la parole) ; joindre des suites de jusqu'à 4 répliques voisines en candidats de 6 à 11 s et les noter pour un niveau normal (environ -20 dBFS, -15 pour angry), un volume égal, aucun écrêtage, peu de jointures, environ 9 s, en gardant les 12 meilleurs qui ne se chevauchent pas ; transcrire chacun avec le speech-to-text de fal (FAL_KEY, divulgué ci-dessus) ; écarter les candidats de moins de 6 mots ou dont le débit sort de 1,4 à 4,8 mots/s (cris, grognements, musique, autre langue) ; écrire ref_0..2 (les trois meilleurs) et clone.wav (les meilleurs candidats joints jusqu'à environ 25 s), chaque clip avec une transcription .lab à côté, parce que le cloneur a besoin des mots exacts. Sorties : voices/<Name>/clone.wav + clone.lab (ce depuis quoi le serveur clone par défaut, comme « Narrator/clone »), voices/<Name>/ref_0..2.wav + .lab (clips simples, pour les moteurs qui en veulent un court), voices/<Name>/angry/ref_0..1.wav + .lab (utilisés quand une réplique commence par [angry] ; garder 2 clips par humeur), et voices_work/<Name>/cand_*.wav + .lab (chaque candidat, à écouter, à ne jamais committer). Bon audio source : un seul locuteur, aucune musique ni effet sous la voix, un niveau de parole normal pour la voix neutre (les cris vont dans un dossier d'humeur angry, les bredouillements dans drunk), une minute ou plus de répliques avec des pauses entre elles ; si la musique est inévitable, isole d'abord les voix (Demucs, comme le fait server/finetune/prepare_dataset.py, hors de ce skill et non installé). - Depuis quel clip cloner (mesuré dans SKILL.md) : sur Drama 3, le clone.wav d'environ 30 s a donné une correspondance vocale de 0,680 sur les répliques de test de Lamar, chacun de ses clips simples de 6 à 10 s a donné 0,610 à 0,630, et passer les quatre clips comme références à la fois n'a pas fait mieux que clone.wav seul ; S2 Pro a préféré un seul clip propre (0,707 contre 0,680), donc teste les deux si tu changes de modèle (skill voice-likeness-eval, non installé). Vérifications dans SKILL.md : écoute clone.wav (tout ce qui s'y trouve, un rire, une voiture, une deuxième voix, ressort dans chaque réplique), lis le .lab (une transcription fausse fait marmonner le cloneur ou sauter des mots ; corrige le texte à la main), dis une réplique de test (divulgué ci-dessus), et pour les humeurs, si une réplique angry sonne comme une autre personne, les clips d'humeur sont trop loin des neutres (autre session d'enregistrement ou autre micro) : écarte-les. 3. Quand je dis « yes, install », installe-le comme skill : copie tout le dossier voice-references dans le répertoire des skills de l'agent, dans un dossier nommé « voice-references », en gardant son fichier (SKILL.md). N'utilise pas les routes plugin, marketplace ou npx du dépôt : elles installent tout le plugin NPCTalk ou tous ses skills, pas ce seul skill. 4. Vérifie sans appels réseau : frontmatter valide, fichier en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (par exemple : obtenir une clé API fal moi-même et définir FAL_KEY comme variable d'environnement, jamais dans un fichier, seulement si et quand je veux fabriquer des clips ; fournir moi-même la CLI npctalk et ffmpeg, hors de ce skill ; fournir moi-même un enregistrement dont j'ai les droits ; fournir moi-même mon propre serveur vocal Modal et son volume si je veux téléverser et utiliser les clips, et le redémarrer moi-même après un téléversement ; utiliser le skill est une étape séparée qui ne commence que quand je le demande, et les envois à l'usage vers fal et vers mon propre serveur vocal Modal divulgués ci-dessus arrivent seulement à ce moment-là, sur des enregistrements que je lance). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.