Skip to content
cccskills
FreePublished on GitHub

wjs-voicedrop-reading-aloud

Use when the user wants text turned into an audiobook / read aloud — they give a passage, a file, a URL, or a VoiceDrop article and want an mp3 narration with expressive voices. Triggers — "做成有声书", "朗读出来", "读给我听", "念出来", "read aloud", "/wjs-voicedrop-reading-aloud".

The English summary is being prepared. Showing the original description.

jianshuo/claude-skills

Run score Not tested

See how to install

Files included (1)

  • SKILL.md6.4 KB

SKILL.md (original)

Review the instructions the agent will receive before you install.

wjs-voicedrop-reading-aloud

文字 → 有声书 mp3。不是照字面念，而是先编排：不同性质的内容换不同声音，关键转折处加语音指令，然后用火山引擎豆包 seed-tts-2.0 合成。

合成工具：~/code/volcano-tts/tts.py（先 source ~/code/.env）。

铁律

  1. 绝不把带【】/[ ] 标注的文本直接喂裸 API —— 裸 API 会把标注原样念出来（实测实锤）。永远走 tts.py，它把标注切段转成 context_texts 语音指令。
  2. 只能用 2.0 音色（_uranus_bigtts 后缀） —— moon/mars/tob 音色在 seed-tts-2.0 资源下报错 resource ID is mismatched。
  3. 合成前把编排好的朗读脚本给用户看一眼（除非用户说直接出）——编排是再创作，声音分配和指令值得确认。headless/自动化场景跳过此步。

工作流

1. 取内容并认真通读

  • 纯文本/文件：直接读。
  • URL：WebFetch；SPA 页面（如 docs.volcengine.com）用 browse skill 渲染后取正文。
  • VoiceDrop 文章：voicedrop MCP 的 read_article。

通读时标记出：正文叙述 / 直接引用（引号、blockquote）/ 大白话吐槽与内心 OS / 数据、列表、表格 / 标题与小节。

2. 编排重写成朗读脚本

这是核心步骤，是重写不是转录：

  • 去掉一切视觉残留：markdown 符号、链接、图片说明、脚注编号。
  • 表格、列表、数据改写成口语句子（「三个原因：第一…」）。
  • 标题不逐字念，化进过渡句，或用停顿+换气带过。
  • 太书面的长句改口语，但保留作者的用词风格。
  • 按内容性质分配音色（见音色表）：正文一个主声贯穿；引用换引用声；吐槽/大白话换插话声。声音切换是给听众的「格式信号」，等价于视觉上的引用块。
  • 不要频繁换声：一般 2~3 个声音封顶，切换只发生在内容性质真正变化处。

3. 加语音指令（克制）

在句前加 [心理活动、细腻表情、肢体动作等描述]，如 [放慢，一字一顿，点出要害]。

  • 只在需要的地方加：情绪转折、节奏变化、重音、引用的口吻模仿。平铺直叙的段落一个不加，靠全局指令兜底。
  • 经验密度：每 3~5 句最多一处；一段平静的叙述可以整段没有。
  • 每处标注就是一次切段（一次 API 调用+拼接点），切太碎会让语流变散。
  • 标注写成对朗读者说的表演提示（心理活动/表情/动作皆可），不要写成对听众的说明。
  • 指令要戏剧化、情绪化才有效（实测）：模型对情绪/音色类指令跟随很强（哭腔、耳语、亢奋大喊、像法官宣判、+50% 时长级别的变化），对含蓄舞台提示（「语气一沉」「带一丝惋惜」）和机械精确指令（「停顿一秒」「放慢一倍」）跟随很弱。写法上宁可夸张：「请把声音压到接近耳语，凑近话筒，像说破一个秘密」远强于「压低声音」。

4. 朗读脚本格式（tts.py --script）

# 注释行
@voice narrator zh_male_yuanboxiaoshu_uranus_bigtts
@voice quote zh_male_yizhipiannan_uranus_bigtts
@voice casual zh_male_fanjuanqingnian_uranus_bigtts

@narrator
[语气平静从容，像老朋友聊天]先讲一个真事。……他公开断言：

@quote
[带着当年的笃定与体面]股价已经站上了一个永久的高原。

@narrator
几天后，市场开始了最惨烈的下跌。

@casual
[像随口吐槽]这人判断力真差。

5. 合成与验收

source ~/code/.env
python3 ~/code/volcano-tts/tts.py -f script.txt --script -o out.mp3 \
  -i "这是一段有声书朗读，自然口语化，像讲故事，不要播音腔"
  • -i 全局指令必带，定整体基调；--speech-rate、--subtitle（字级时间戳）按需。
  • 验收：afinfo out.mp3 看时长是否与字数匹配（中文约 4~5 字/秒）；如首次改动过工具或有疑虑，用 ~/.claude/skills/wjs-transcribing-audio/scripts/volc_asr_stream.py 抽查一段，确认标注没被念出来。
  • 用 SendUserFile 把 mp3 发给用户。

音色表（已实测可用，全部支持语音指令）

用途voice_type名称
旁白主声（男，默认）zh_male_yuanboxiaoshu_uranus_bigtts渊博小叔
旁白主声（女，备选）zh_female_zhixingnv_uranus_bigtts知性女声
旁白（对话感/播客感）zh_male_shenyeboke_uranus_bigtts深夜播客
解说腔zh_male_cixingjieshuonan_uranus_bigtts磁性解说男声
引用/名人语录/译文zh_male_yizhipiannan_uranus_bigtts译制片男
大白话/吐槽/内心 OSzh_female_shuangkuaisisi_uranus_bigtts爽快思思（用户定：大白话用女声，与男声旁白区分）
大白话（男声备选）zh_male_fanjuanqingnian_uranus_bigtts反卷青年
通用女声zh_female_vv_uranus_bigttsVivi

更多 2.0 音色：https://www.volcengine.com/docs/6561/1257544 （只认 _uranus_bigtts 后缀）。

常见坑

  • 指令悄无声息不生效（听起来全一样） → 三个已实锤的坑，tts.py 均已修复：① context_texts/section_id 必须嵌在 additions（JSON 字符串）里，放 req_params 顶层被静默忽略；② context_texts 传多条时只有第一条生效——段内指令必须独占一条，不能「全局+段内」并列（全局排前面会把段内全顶掉）；③ 转述包装（「按照这个指示朗读：X」）会稀释效果，标注原文直发最强。怀疑时用「极慢哭腔」指令 A/B 对比时长（应 +25% 以上），基线合成是确定性的（同句同参时长完全一致），差异小于 5% 即未生效。
  • 标注被念出来 → 忘了走 tts.py 的标注解析，或用了它不认的括号格式（支持 【】 与 [ ]）。
  • resource ID is mismatched with speaker related resource → 用了非 2.0 音色。
  • 输出中间语气断裂感明显 → 标注切段太碎，合并标注、减少切换。
  • 听到「星号」「井号」→ 编排步骤没洗干净 markdown（tts.py 未开 markdown 过滤，靠编排时清除）。

Reviews

No reviews yet. Tell others what you thought.

Comments

No login needed. Share how it worked for you, ask a question, or note where it did not run.

No comments yet. Be the first to write one.

Comments are published right away. Do not include personal information such as email addresses or phone numbers. Up to 2 URLs.

0 / 1,000 characters

This form is protected by reCAPTCHA, and the Google Privacy Policy and Terms of Service apply.

More skills from this repository

wangjianshuo-perspective

Free

王建硕的思维框架与表达方式。基于 7 份深度调研（约 100 万词英文博客 + 约 109 万字中文博客， 2002–2022，全部一手）提炼出 7 个核心心智模型、10 条决策启发式和完整的双语表达 DNA。 用途：以王建硕的身份和声音写作、回应、思考——他平实、诚恳、好奇，爱用家常比喻和自造词， 在具体和抽象之间反复架梯子，从不写自己没亲身验证过的东西。 当用户提到「用王建硕的视角」「王建硕会怎么看」「王建硕模式」「像王建硕一样写」 「Jian Shuo Wang perspective」「切换到王建硕」时使用。 即使用户只是说「帮我用王建硕的角度想想」「如果是王建硕会怎么写这篇」也应触发。 一旦激活，本次对话后续所有回应都保持王建硕身份，直到用户明确说「退出」—— 不需要每轮重新点名。 不适用：用户要的是关于王建硕本人的客观介绍 / 事实查询（「王建硕是谁」「他哪年创业的」）， 那种问题正常回答即可，不要进入角色扮演。

The English summary is being prepared. Showing the original description.

jianshuo/claude-skills137Updated Oct 16, 2026

wjs-auditing-project

Free

Use when the user asks to audit what's wrong with a project, "make it right", "看看项目出了什么问题", "为什么用户的需求还没上线", "为什么没提交App Store", "为什么没新build", or wants a holistic state-of-the-project check covering unmerged branches, stalled PRs, failed GitHub Actions, stale builds, plan drift (TODOS.md / ROADMAP), unreleased commits, and log errors. Runs read-only investigation, presents a grouped checklist, fixes only after explicit user confirmation. Aware of the Cathier iOS app workflow (Xcode + fastlane + auto-merge @claude PRs from in-app feedback).

The English summary is being prepared. Showing the original description.

jianshuo/claude-skills137Updated Oct 16, 2026

wjs-burning-subtitles

Free

Use when the user has a video + an SRT and wants the subtitles either burned into the pixels (libass, always-visible) or soft-muxed as a togglable track. Also handles the final composite step for the localization pipeline — burn subs, mix a dub track, and keep the original audio as a low-volume bed, all in ONE ffmpeg encode (no cascade). Verifies libass availability and auto-downloads a static evermeet ffmpeg build when Homebrew's stripped binary lacks it. Triggers — "烧字幕", "硬字幕", "burn subtitles", "burn-in subs", "embed subtitle", "soft mux SRT", "把字幕烧进视频", "做最终合成".

The English summary is being prepared. Showing the original description.

jianshuo/claude-skills137Updated Oct 16, 2026

wjs-cleaning-spam

Free

Use when the user complains about spam on his X/Twitter posts — 同城面付 / 寻固炮 / 线下上门 / 免费破处 这类引流号在他推文下刷的 emoji 垃圾回复 — and wants them removed. Covers the last 7 days (X recent-search window). Triggers — "把这些spam删掉", "清理X垃圾回复", "推文下面好多引流号", "clean spam replies", "/wjs-cleaning-spam".

The English summary is being prepared. Showing the original description.

jianshuo/claude-skills137Updated Oct 16, 2026

wjs-converting-text-to-video

Free

Use when the user wants a 王建硕-style WeChat article (article.md) turned into a narrated short MP4 video — TTS voiceover via 火山引擎 Volcano TTS, HyperFrames CSS/GSAP animation per scene, subtle SFX, abstract watercolor background, full pipeline rendering to 1080×1920 portrait MP4 (30-90s). Triggers — "把这篇文章做成视频", "做一个解说视频", "讲解视频", "/wjs-converting-text-to-video".

The English summary is being prepared. Showing the original description.

jianshuo/claude-skills137Updated Oct 16, 2026

wjs-converting-wp-to-hugo

Free

Use when migrating a WordPress site to a Hugo static site on GitHub Pages from a WXR export (.xml) plus the wp-content/uploads folder — preserving /archives/<id>/ URLs, localizing images, and deploying via GitHub Actions. Triggers — "把 WordPress 迁成 Hugo", "wordpress 转静态站", "migrate WordPress to Hugo", "WXR to Hugo", "publish WordPress to GitHub Pages", "/wjs-converting-wp-to-hugo".

The English summary is being prepared. Showing the original description.

jianshuo/claude-skills137Updated Oct 16, 2026

See all skills by jianshuo

Report a problem with this skill