通用 AI 生图：文生图 / 图生图 / 图像变体。当用户说 AI 生图、AI 画图、文生图、图生图、生成图片、生成配图、图像生成、AI 出图、AI 作图、换图、改图、图像编辑、给我画一张、生成一张图 时使用。支持 OpenAI 兼容 API 与 apimart 异步 API，用户自备 API key。
日本語の概要は準備中です。原文の説明を表示しています。
ZJU-REAL/Easel3,5882026年10月12日 更新
無料GitHub で公開
audio-mix
音频混合 / 混音：把旁白口播 + 背景音乐 + 音效混成一轨，BGM 自动循环补足并可闪避（旁白说话时自动压低 BGM 保证人声清晰）。当用户说 混音、音频混合、旁白加背景音乐、配音加BGM、人声和音乐混一起、加音效、音频叠加、BGM 压低、闪避、ducking、把配音和bgm合起来 时使用。
基于 shared/scripts/audio_mix.py。与 audio-editing concat 区别：concat 是前后顺序拼接，本 SKILL 是同时叠加混音；与 video-editing bgm 区别：那个给视频配乐，本 SKILL 输出纯音频。
含まれるファイル（1）
- SKILL.md3.2 KB
SKILL.md（原文）
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。
音频混合（旁白 + BGM + 音效）
把多条音频同时叠加混成一轨，核心能力是闪避（ducking）——旁白说话时自动压低 背景音乐，人声清晰、音乐不抢。全部走
skills/shared/scripts/audio_mix.py， 不要手拼 amix/sidechaincompress。
前后顺序拼接（一段接一段）见 audio-editing
concat；给视频配乐见 video-editingbgm； 降噪见 audio-denoise。
输入
| 字段 | 必填 | 说明 |
|---|---|---|
| 旁白 | 否 | 口播/配音主轨（给了则输出时长跟它走，并触发闪避） |
| BGM | 否 | 背景音乐（自动循环补足到旁白长度） |
| 音效 | 否 | 一个或多个音效，可指定各自出现时间点 |
（三者至少给一个。最典型："旁白 + BGM"。）
输出（outputs/主题名/）
- 混音后的单轨音频（mp3/wav/m4a，按输出后缀）
- 报告：轨数、时长、是否闪避
执行步骤
脚本路径（相对项目根）：skills/shared/scripts/audio_mix.py（mix -h 看参数）。
# 旁白 + BGM（默认自动闪避，BGM 循环补足到旁白长度）
python skills/shared/scripts/audio_mix.py mix \
--voice narration.mp3 --bgm music.mp3 --bgm-volume 0.25 \
-o outputs/主题名/final.mp3
# 关闭闪避（纯叠加）
python skills/shared/scripts/audio_mix.py mix --voice v.mp3 --bgm m.mp3 --no-duck -o out.mp3
# 旁白 + 定时音效（第 3.5s 一个叮，第 8s 一个 whoosh）
python skills/shared/scripts/audio_mix.py mix --voice v.mp3 \
--sfx ding.wav --sfx-at 3.5 --sfx whoosh.wav --sfx-at 8 -o out.mp3
调参
- 人声被音乐盖住：调低
--bgm-volume（默认 0.25）或确认闪避已开（默认开）。 - 闪避太猛/音乐一顿一顿：
--no-duck后手动压低--bgm-volume。 - BGM 比旁白短：默认自动循环；不想循环用
--bgm-loop-off。 - 音效太响/太轻：
--sfx-volume（默认 0.9）。
规则
- 有旁白时输出时长 = 旁白长度，BGM 自动循环/裁切对齐并在末尾淡出。
- 旁白 + BGM 默认开启闪避（人声优先）；不需要时显式
--no-duck。 --sfx与--sfx-at数量一致（或不给 --sfx-at 全部默认 0s）。- 混音不做响度归一（保留相对音量）；需统一响度先用 audio-editing
normalize。 - 产物统一进
outputs/主题名/。
参考来源
闪避用 ffmpeg sidechaincompress（以人声为控制信号压缩 BGM），是播客/口播视频保证人声清晰的
标准做法；多轨叠加用 amix。把 sidechain 接线与循环对齐封装成确定性脚本。
レビュー
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。
同じリポジトリのスキル
概要と使いどころ
ai-music
無料AI 音乐 / BGM 生成：给短视频、社媒内容生成原创背景音乐 / 配乐 / 纯音乐。通过可插拔 provider（阿里 DashScope / Suno 类第三方 API）文生音乐，异步提交→轮询→下载，产物可再裁剪/归一化或加到视频。当用户说“AI 音乐”“AI 配乐”“生成 BGM”“背景音乐”“原创音乐”“AI 作曲”“纯音乐”“给视频配乐”“做首曲子”时使用。与 tts-voiceover 的区别：tts-voiceover 生成人声口播/旁白，ai-music 生成背景音乐/配乐（无人声或带演唱）。
日本語の概要は準備中です。原文の説明を表示しています。
ZJU-REAL/Easel3,5882026年10月12日 更新
AI 视频生成：文生视频 / 图生视频 / 数字人首帧驱动。通过可插拔 provider（通义万相 Wan / 火山 Seedance / 快手可灵 / OpenAI 兼容）异步生成视频，用户自备 API key。当用户说 AI 视频生成、文生视频、图生视频、AI 生成视频、AI 短视频、让图片动起来、数字人视频、生成一段视频 时使用。与 video-strategy（选型/策略）、video-editing（剪辑处理）、clipify（切片）区别：本 SKILL 是从 0 用 AI 生成新视频。
日本語の概要は準備中です。原文の説明を表示しています。
ZJU-REAL/Easel3,5882026年10月12日 更新
outputs/ 目录下的产物管理：按日期/平台/类型归档、打标签、搜索历史内容、生成素材清单。 当用户说"整理素材"、"归档"、"找之前的内容"、"搜索历史"、"素材管理"、 "outputs 整理"、"之前做的"时使用。 与其他 produce 层 SKILL 的区别：produce 层负责生成内容， asset-manager 负责生成后的产物管理（归档、检索、标签）。
日本語の概要は準備中です。原文の説明を表示しています。
ZJU-REAL/Easel3,5882026年10月12日 更新
音频降噪：去除录音中的背景噪声、电流声、风噪、嗡嗡声，基于 ffmpeg 滤镜链（afftdn/highpass/lowpass）。 当用户说"降噪""去噪""去杂音""消除背景噪声""电流声""风噪""录音有杂音""音频降噪"时使用。 和 audio-editing 的区别：audio-editing 做剪辑/转码/音量等通用音频操作（内置 denoise 兜底），本 SKILL 专做降噪调参。
日本語の概要は準備中です。原文の説明を表示しています。
ZJU-REAL/Easel3,5882026年10月12日 更新
通用音频处理：音频剪辑/裁剪、格式转码（mp3/wav/m4a/aac）、音量归一化、从视频提取音轨、多段拼接、淡入淡出、变速（保音高）。当用户说“剪音频”“裁一段”“转成 mp3”“调音量/响度”“提取音轨/扒音频”“拼接音频”“淡入淡出”“加速/减速音频”“变速不变调”时使用。与 audio-denoise 的区别：audio-denoise 专做降噪，audio-editing 做除降噪外的通用音频操作（也内置 denoise 作为兜底）。
日本語の概要は準備中です。原文の説明を表示しています。
ZJU-REAL/Easel3,5882026年10月12日 更新