AI Voiceover (Edge TTS)

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, lis ceci d'abord : le skill a de vraies dépendances que cette installation ne met PAS en place — Python 3, le paquet pip edge-tts, et ffmpeg (avec ffprobe) dans le PATH, plus un accès réseau au service TTS d'Edge de Microsoft. La synthèse vocale n'est ni locale ni hors ligne : chaque ligne de texte de script que je lui donne est envoyée au service gratuit de synthèse vocale en ligne Edge de Microsoft via la bibliothèque edge-tts (voir les envois divulgués au point 2). Il n'y a ni clé ni compte, mais il n'y a pas non plus de synthèse hors ligne. Le fichier requirements.txt à la racine du dépôt liste pillow>=10, numpy>=1.24 et edge-tts>=6.1 pour toute la chaîne du dépôt ; ce skill n'a besoin que d'edge-tts — scripts/tts_edge.py n'importe que la bibliothèque standard de Python plus edge_tts (importé paresseusement), et SKILL.md énonce la dépendance comme « edge-tts + ffmpeg » seulement. Pillow et numpy servent aux autres skills du dépôt, pas à celui-ci. Installe-moi « ai-voiceover-edge-tts ». Il transforme un script de voix off en audio ligne par ligne pour des vidéos courtes ecommerce (Douyin / TikTok / Chaînes vidéo) : d'abord le script est réécrit en lignes « bien lisibles » (le guide de SKILL.md, écrit pour les scripts chinois : 8 à 20 caractères par ligne, une idée par ligne, nombres et lettres de modèles écrits comme ils se lisent — par exemple 24h lu « vingt-quatre heures » — avec une version sous-titres séparée qui garde l'écriture originale), puis une voix est choisie (par défaut zh-CN-YunxiNeural ; SKILL.md recommande zh-CN-XiaoxiaoNeural / zh-CN-XiaoyiNeural pour une voix féminine chaleureuse, zh-CN-YunjianNeural pour les promotions, zh-CN-YunyangNeural pour les explications, zh-TW-HsiaoChenNeural / zh-HK-HiuMaanNeural pour Taïwan / Hong Kong, et en-US-AndrewNeural / en-US-AvaNeural / en-US-EmmaNeural pour l'anglais, avec un débit optionnel comme « +10 % » et une hauteur), puis chaque ligne est synthétisée via le TTS en ligne Edge de Microsoft par edge-tts, son silence de début et de fin est rogné localement avec ffmpeg, le résultat est enregistré en WAV mono 48 kHz, et la durée réelle de chaque ligne est écrite dans durations.json pour que les sous-titres et les durées de plans s'alignent sur la voix réelle au lieu de se désynchroniser. Les lignes inchangées sont mises en cache localement, donc les réexécuter ne fait aucun appel réseau. Dépôt : https://github.com/xianyu110/ecommerce-video-skills (le skill est tout le dossier skills/ai-voiceover-edge-tts/ au commit épinglé : SKILL.md plus son dossier scripts/, 2 fichiers) Version épinglée : installe le code au commit 96c49b349b7d975bda8f05ce6669c1d33500c269 exactement. Ne substitue pas une version plus récente. Si ce commit est inaccessible, arrête-toi et dis-le-moi. 1. Clone https://github.com/xianyu110/ecommerce-video-skills dans un dossier temporaire, place-toi au commit 96c49b349b7d975bda8f05ce6669c1d33500c269, et copie le dossier skills/ai-voiceover-edge-tts/ de ce checkout. Compare ensuite chaque fichier du dossier aux empreintes enregistrées pour cette fiche le 2026-10-19 : [FINGERPRINTS] - SKILL.md: SHA-256 6d6770b15b4400e76f8bf2fb466abf7884abc1608b91440d21eb4b057772c2a2 - scripts/tts_edge.py: SHA-256 f3263ce63fa29e106cc38be0cec2daf564e9609e37c99c3709eef0136c0a9d76 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 lis l'unique script de scripts/ (tts_edge.py), 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 2 fichiers seulement : SKILL.md (4 146 octets) et un script Python dans scripts/ (tts_edge.py, 4 628 octets). Ce script est une copie à l'octet près du script du même nom à la racine du dépôt (scripts/tts_edge.py) et des copies dans trois autres skills du dépôt (ffmpeg-auto-assemble, image-to-video-shots, multilingual-dubbing), gardées en synchronie par le tools/sync_scripts.py du dépôt : le skill est autonome dans son propre dossier et n'a besoin d'aucun fichier d'ailleurs dans le dépôt — ni les 12 autres skills, ni le scripts/ de la racine, ni le README, ni requirements.txt. SKILL.md n'appelle que le script assis à côté de lui (scripts/tts_edge.py, relatif au dossier du skill). Sa dernière étape remet au choix les WAV terminés au skill distinct ffmpeg-auto-assemble ou à mon propre logiciel de montage ; cette remise ne fait pas partie de cette installation et n'est pas requise. - 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. Aucun script n'est exécuté pendant l'installation, aucun paquet n'est installé, aucune clé n'est demandée, et il n'y a aucune télémétrie dans le dossier. - Ce qui quitte cette machine à l'usage, divulgué ici avant que ça arrive — utiliser le skill est une étape séparée qui ne commence que quand je demande une voix off, et la seule voie réseau du script est la bibliothèque edge_tts, importée paresseusement dans ses fonctions de synthèse : (a) ligne unique : edge_tts.Communicate(text, voice, rate=rate, pitch=pitch).save(mp3) envoie le texte exact de la ligne de script que j'ai fournie, plus le nom de voix choisi, le débit et la hauteur, au service de synthèse vocale en ligne Edge de Microsoft (les voix en ligne gratuites derrière la lecture à voix haute de Microsoft Edge, jointes via le paquet edge-tts maintenu par la communauté — rany2/edge-tts, LGPL-3.0 ; ce dépôt l'installe comme dépendance et n'embarque pas son code), et l'audio MP3 synthétisé revient et est enregistré localement. Aucune clé API, aucun compte et aucune autre charge : aucun fichier et aucune métadonnée de storyboard ne sont envoyés, seulement le texte de cette ligne et ses paramètres de voix, une requête par ligne, réessayée jusqu'à 3 fois si le réseau échoue. (b) mode storyboard (--storyboard storyboard.json) : le script lit le JSON localement et, pour chaque plan, envoie le texte de son champ « line » de la même façon (ou le champ que je nomme avec --field, par exemple line_en), avec la voix, le débit et la hauteur du plan ou du storyboard. (c) liste des voix (--list LOCALE) : edge_tts.list_voices() va chercher la liste des voix sur le même service Microsoft et le script la filtre localement par préfixe — aucun texte de mon script n'est envoyé pour une liste. Et si le WAV d'une ligne existe déjà localement avec un cache concordant, le script le réutilise et ne fait AUCUN appel réseau pour cette ligne. - Les parties locales seulement à l'usage : ffmpeg rogne le silence de début/fin du MP3 (silenceremove à -45 dB, appliqué dans les deux sens) et le convertit en WAV mono 48 kHz enregistré où je l'ai demandé (-o pour une ligne, --outdir pour un storyboard, en l00.wav, l01.wav, …) ; ffprobe mesure la durée de chaque WAV et les durées sont écrites localement dans durations.json dans le dossier de sortie ; le cache est un fichier .key local à côté de chaque WAV contenant les 12 premiers caractères hexadécimaux du SHA-1 de « text|voice|rate|pitch ». Les règles de réécriture du script et le gabarit de prompt de réécriture de SKILL.md restent aussi locaux, entre toi et moi. La règle de réécriture de SKILL.md : ne jamais ajouter de points de vente ou de données qui n'étaient pas dans mon script d'origine. - N'installe pas edge-tts ni quoi que ce soit d'autre avec pip pendant cette installation, n'installe pas et ne cherche pas ffmpeg, n'exécute pas tts_edge.py, et ne synthétise aucun audio : la mise en place des dépendances d'usage est ma décision, plus tard, quand je demande vraiment une voix off. 3. Quand je dis « yes, install », installe-le comme skill : copie tout le dossier ai-voiceover-edge-tts dans le répertoire des skills de l'agent, dans un dossier nommé « ai-voiceover-edge-tts », en gardant ses 2 fichiers (SKILL.md à sa racine et l'unique script dans son sous-dossier scripts/). Un clone manuel suivi de la copie du dossier skills/ai-voiceover-edge-tts dans ~/.claude/skills/ est la route décrite ici ; toute autre route ne convient que si chaque fichier installé correspond à son empreinte. 4. Vérifie sans appels réseau : frontmatter valide (name: ai-voiceover-edge-tts), les 2 fichiers en place avec des empreintes concordantes. N'exécute pas tts_edge.py pour vérifier. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (par exemple : avant tout usage, installer moi-même le paquet edge-tts avec pip install edge-tts et m'assurer que Python 3 et ffmpeg — ffprobe inclus — sont dans le PATH, avec un accès réseau au service TTS de Microsoft ; fournir moi-même le script de voix off, une ligne par ligne ou en storyboard.json avec un champ line par plan, et confirmer la version réécrite « bien lisible » ; choisir moi-même la voix, le débit et la hauteur, en sachant que le texte de chaque ligne plus ces paramètres de voix seront envoyés au service TTS en ligne Edge de Microsoft quand la ligne sera synthétisée, et que les lignes en cache inchangées ne sont pas renvoyées ; vérifier les exigences d'étiquetage des voix IA de ma plateforme et de ma région avant tout usage commercial, comme le rappelle la liste de contrôle de SKILL.md ; utiliser le skill est une étape séparée qui ne commence que quand je le demande, et les envois à l'usage divulgués ci-dessus arrivent seulement à ce moment-là). 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.