Tts Script Generator

TTS Script Generator

智能压缩和改写文档为适合 TTS 朗读的脚本。

核心能力

• 🤖 AI 智能分析：Claude 分析文章内容，判断最佳视频时长和配图风格
• ⏱️ 智能时长决策：根据内容自动决定合适的时长（3-8分钟）
• 🎨 智能风格决策：根据主题自动选择配图风格（纽约客/浮世绘/扁平/写实等）
• 📉 智能压缩：按最佳时长压缩内容（如 19分钟 → 5分钟）
• 💬 口语化转换：书面语 → 自然口语
• 😊 情感优化：添加情感词语，让 TTS 更生动
• 🎯 自动分段：根据内容自动判断最佳段数（每段 10-20 秒）
• 📊 时长预估：精确计算每段朗读时长

工作原理

在 Claude 对话中执行：

1. Claude 读取原文档
2. Claude 分析内容：
   • 文章主题和结构
   • 核心观点数量
   • 内容密度
   • 判断最佳视频时长（3-8分钟）
   • 判断最适合的配图风格（如：历史类→浮世绘，科技类→扁平，人文类→纽约客）
3. Claude 智能改写：
   • 提取核心观点
   • 按最佳时长压缩
   • 转换为口语化表达
   • 添加情感词语和停顿
4. Claude 自动分段（每段适合配一张图）
5. 根据文章主题判断最适合的配图风格
6. 为每段生成配图描述（使用判断的风格）
7. 输出两个文件：
   • tts_script.json（TTS文本脚本 + 动画标记）
   • visual_config.json（配图描述，供 illustration-generator 使用）

tts_script.json 格式（新增动画标记）：

[
  {
    "segment": 1,
    "text": "今天聊聊唐朝真实生活。想穿越？先等等！",
    "duration": 15,
    "animation_style": "fade_in",
    "emphasis": true
  },
  {
    "segment": 2,
    "text": "唐朝可没卫生纸，上厕所用什么？",
    "duration": 12,
    "animation_style": "none",
    "emphasis": false
  }
]

动画标记规则（Claude 智能决策）：

• animation_style:
  • "fade_in" - 标题、开场、重点强调
  • "write" - 核心观点、关键结论
  • "typewriter" - 数据、事实陈述
  • "none" - 普通内容（使用 ASS 字幕）
• emphasis: 是否为重点片段（true/false）

决策原则：

1. 第1段（开场）→ fade_in
2. 核心观���（每个章节的第1段）→ write
3. 数据/事实 → typewriter
4. 其他内容 → none（ASS 字幕）
5. 建议：24段中，3-5段用动画即可

执行脚本

generate.py - 生成 TTS 脚本

python ~/.claude/skills/tts-script-generator/scripts/generate.py <markdown文件>

• 读取 Markdown 文件
• 提取 H2 章节
• 转换为口语化
• 按时长分割
• 输出 tts_script.json

使用场景

1. 视频配音：配合 image-to-video（主要用途）
2. 播客生成：配合 podcast-generator

输出说明

本 skill 输出：

• ✅ tts_script.json - TTS 文本脚本
• ✅ visual_config.json - 配图描述

不包含：

• ❌ TTS 音频生成（由 image-to-video skill 负责）
• ❌ 配图生成（需调用 illustration-generator skill）
• ❌ 视频合成（需调用 image-to-video skill）

调用方式

由 image-to-video skill 自动调用：

image-to-video 检测到长文档 
  → 调用 tts-script-generator
  → Claude 在对话中改写
  → 输出压缩后的 TTS 脚本
  → image-to-video 继续处理

手动调用（在 Claude 对话中）：

用户: "请用 tts-script-generator 改写这篇文章"

Claude: 
1. 读取文档（5947 字，19 分钟）
2. 分析内容：
   - 主题：唐朝生活科普（历史人文类）
   - 核心观点：4个（卫生、饮食、管制、阶级）
   - 判断最佳时长：5 分钟（内容密度适中）
   - 判断配图风格：浮世绘风格（历史题材，东方古典美学）
3. 改写为 1350 字
4. 分成 20 段（每段 15 秒）
5. 为每段生成浮世绘风格配图描述
6. 保存 tts_script.json + visual_config.json

输出格式

tts_script.json

[
  {
    "segment": 1,
    "text": "今天聊聊唐朝真实生活。想穿越？先等等！唐朝可没卫生纸...",
    "duration": 15
  }
]

visual_config.json

{
  "article_title": "穿越唐朝的真相",
  "style": "ukiyo-e",
  "sections": [
    {
      "section": 1,
      "visual_description": "A person standing at a crossroads between modern city and ancient Tang Dynasty palace, looking confused, ukiyo-e style with traditional Japanese woodblock print aesthetics"
    }
  ]
}

配图风格决策规则

Claude 会根据文章主题自动选择最适合的风格：

• 历史/古典类 → ukiyo-e（浮世绘）：唐朝、宋朝、日本历史等
• 人文/社会类 → new-yorker（纽约客）：社会观察、人物故事等
• 科技/商业类 → flat（扁平风格）：科技产品、商业分析等
• 自然/旅行类 → realistic（写实风格）：风景、动物、旅行等
• 艺术/创意类 → abstract（抽象风格）：艺术评论、创意思考等

改写原则

1. 保留核心：保留最重要的观点和故事
2. 口语化：
   • "但是" → "但是呢"
   • "因为...所以..." → "为什么呢？因为..."
   • 添加语气词："啊"、"呢"、"吧"
3. 情感词语：
   • 强调："真的"、"非常"、"特别"
   • 惊叹："哇"、"天哪"、"想象一下"
4. 节奏控制：
   • 短句为主
   • 适当停顿
   • 每段一个核心点

可被调用

• image-to-video skill（主要）
• podcast-generator skill
• 其他需要 TTS 的 skills