文章や画像から3Dモデルを生成し、既存カタログの素材と使い分けるスキルです。Blenderで形状・質感・接地を点検し、出典を記録してシーンに組み込みます。
- 文章から独自の3D小物を作りたいとき
- コンセプト画像を立体化したいとき
- カタログの草木や岩で背景を埋めたいとき
HeyGenの音声合成で、用途に合う音声を探し、テキストを音声ファイルに変換します。音声変換やタイムスタンプ付きの出力にも対応します。
HeyGen native Voice1 and catalog speech, voice discovery, timestamps, and streaming.
実行スコア 未検証
インストール方法を見るHeyGenの音声合成を使い、テキストから音声を生成します。ネイティブ音声とカタログ音声は別の仕組みとして扱い、利用するモデルやエンジンを明示して実行します。音声一覧の取得、タイミングを保った音声変換にも対応します。生成結果はWAVで、ストリーミング出力では分割された音声を組み立て、タイムスタンプをアラインメント情報として保存します。
ナレーション用の音声を作りたいときや、利用可能な声を確認して選びたいときに使えます。既存の音声をワークスペースのインスタント音声で変換し、元のタイミングを保ちたい場合にも向いています。
ネイティブ音声とカタログ音声のIDは互換性がなく、Professional音声はTurboモデルでは使えません。音声合成APIの旧エンドポイントへ自動で切り替えず、利用モデルやエンジンを指定します。Turbo Freeは2026年11月30日までの提供と記載されています。
この紹介文は、公開されている SKILL.md をもとに AI(OpenAI Codex)が作成しました。正確な仕様は下の原文を確認してください。
SKILL.md の記述から、注意が要る操作と導入の前提を AI が確認しました。点数は実際に動かした結果(実行検証)だけで付けています。
点数には入れていません。 2026年10月24日 時点で AI(OpenAI Codex)が判定しました。目安なので、入れる前に原文も確認してください。
インストールする前に、エージェントに与えられる指示の中身を確認できます。
Use the registered tools, not the retired /v1/audio speech endpoints.
heygen_tts: native HeyGen Voice1 / Turbo / Turbo Free. Native ACTIVE public,
instant or professional voices from /v3/models/audio/voices. Professional
voices require Voice1 (not Turbo). Output is44.1kHz WAV; text limit5,000 chars.heygen_catalog_tts: catalog voices from /v3/voices; explicit engine selection
on /v3/voices/speech (Starfish, HeyGen Voice, or ElevenLabs). These voice IDs
are not interchangeable with native clone IDs.heygen_voice_convert: timing-preserving conversion with an ACTIVE instant
workspace voice via /v3/models/audio/sts.Read the October23 provider guide for current request fields, output paths, timestamp/SSE handling, pricing, and retry behavior. Do not silently fall back between native models, catalog engines, or hosts. Turbo Free is promotional through November30,2026 and has shared capacity limits.
Official documentation: https://developers.heygen.com/docs/voices/heygen-voice-speech https://developers.heygen.com/reference/generate-speech https://developers.heygen.com/docs/voices/speech-to-speech
まだレビューはありません。使ってみた感想をお寄せください。
ログインなしで書き込めます。使ってみた感想、質問、動かなかった環境などを気軽にどうぞ。
まだコメントはありません。最初のコメントを書いてみませんか。
文章や画像から3Dモデルを生成し、既存カタログの素材と使い分けるスキルです。Blenderで形状・質感・接地を点検し、出典を記録してシーンに組み込みます。
動画用BGMや歌詞付きの曲を、曲調・長さ・テンポなどを指定して生成するスキルです。参考音源のアレンジや、ボーカル・楽器別の音声分離にも対応します。
ElevenLabsで音声対話AIを作り、声や応答方針、外部ツールとの連携を設定。Webサイトへの埋め込みやTwilio経由の電話発信まで扱うスキルです。
文章や参照画像からAI動画を生成し、用途や費用に合わせて生成サービスを選ぶスキル。SNS向けの縦長動画や商品写真の動画化、既存クリップの編集に対応します。
文章や参考画像からAI動画を生成し、用途や費用に合う生成サービス選びを支援します。縦横比の指定や生成状況の確認に加え、Gemini Omniでの対話的な編集も扱います。
Atlas Cloudを通じて複数の画像・動画モデルを使い分け、素材の生成や編集を行うスキル。単一のAPIキーで利用し、出力と使用モデルの情報を保存します。