跳至正文
OpenAgentSkill
浏览已开放 · 目录记录日期 2026-11-21 · 自动更新和账户服务暂时关闭。
视频与音频

cs-narration-phrase-timeline

Use when the user needs a Chinese narration phrase timeline from real audio: phrase-timeline.json, 逐句或逐短语时间标注, Whisper word-boundary alignment, timed captions, or narration-driven infographic and motion-graphics timing. Requires the final narration audio and the exact spoken copy; do not use for estimated timing, generic editing, or MP4 rendering.

ChenShuo2004 · 已有静态检查记录

安装与使用

运行命令前先阅读来源与依赖说明。复制命令不会自动安装或执行。

npx skills add ChenShuo2004/cs-skills --skill cs-narration-phrase-timeline

技能说明


name: cs-narration-phrase-timeline description: "Use when the user needs a Chinese narration phrase timeline from real audio: phrase-timeline.json, 逐句或逐短语时间标注, Whisper word-boundary alignment, timed captions, or narration-driven infographic and motion-graphics timing. Requires the final narration audio and the exact spoken copy; do not use for estimated timing, generic editing, or MP4 rendering."

口播短语时间表

目标与边界

将真实口播音频与实际朗读的中文稿对齐,交付按短语排序的 phrase-timeline.json。它为字幕、重点词、动态图文和 Motion Graphics 提供真实的毫秒与帧号边界。

这个 Skill 不生成配音、不按字数估算时间、不编辑时间线,也不导出 MP4。没有最终旁白音频时,不能把计划时长伪装成对齐结果。

输入与交付

需要:

  • 最终旁白音频;若是音色克隆工作流,使用克隆完成后的音频,不使用参考音频。
  • 与音频实际朗读内容一致的完整口播稿;不能用分镜提纲、摘要或事后改写稿替代。
  • 可选:现有任务目录、目标帧率(默认 30 fps)和输出位置。

交付:

  • alignment.tokens.json:真实语音识别的词级边界。
  • phrase-timeline.json:短语到真实毫秒/帧的映射。
  • 对齐结果摘要:音频总时长、全文覆盖率、失败原因或可用文件位置。

字段与验收要求见 时间表结构。

工作流

  1. 先找已有产物。 如果项目任务目录已经有 phrase-timeline.json,先检查它是否来自最终音频且符合结构;核对音频与稿件的哈希或等效来源记录以及目标帧率;一致且有效时直接复用,避免重新识别。仅文件名相同不足以证明仍有效。
  2. 选择正确入口。 目标项目已有“动态信息图”或同类工作台时,优先让它在配音完成后自动生成时间表。只有用户已提供最终音频、需要独立产物时才走手动对齐。
  3. 验证实现,不猜命令。 手动执行前,确认目标项目实际存在音频对齐器、短语构建器、Node、FFmpeg/FFprobe 与项目 Python 环境。常见实现会有 align.mjs 与 semantic_timeline.py;不要假定某个旧的 CLI 文件仍存在。 选择 WhisperX / faster-whisper 后,先核对所需 ASR 与中文对齐模型的版本、缓存路径、完整文件与哈希,复用有效缓存;只下载缺失文件,不为每个 Skill 新建模型副本。让实际加载器使用同一缓存或检查结果的本地模型目录。其他对齐后端沿用其配置,不强制下载 Whisper 模型;VAD 与 Python/GPU 依赖另行检查。
  4. 先对齐音频,再构建短语。 音频对齐器先写词级时间戳;短语构建器再使用原文和这些时间戳生成结果。不要按字符数量、页面时长或预设语速补全缺失时间。
  5. 严格验收。 覆盖率过低、短语顺序不能匹配、输出缺少真实时间边界,或结果来自估算回退时,应明确失败并保留诊断信息,而不是交付不可靠的时间表。

结果使用

  • 字幕与重点词:直接读取每个短语的起止毫秒或帧号。
  • 信息图与 Motion Graphics:元素不得早于对应口播短语开始出现。
  • 需要重新配音或改稿时:重新生成时间表;旧表不能复用于音频节奏已变化的版本。

完成检查

交付前确认:

  • timing_source 是基于真实音频的对齐来源,且 estimated_fallback_used 为 false。
  • phrases 按口播顺序排列,每条都有合法的起止时间与帧号。
  • 全文覆盖率、单短语覆盖率和置信度已保留;低覆盖率不会被静默忽略。
  • 口播稿、音频和生成文件中可能含有私密语音或文案;默认留在用户指定的本地任务目录,不上传或公开。