mcpField
S
space-video-audio

space-video-audio

github.com/spacezephyrCreative & media1.8k41 installsUpdated 9w ago
Repository

About space-video-audio

A voiceover, music, and mixing skill for video creators. It turns scripts into narration and combines voice and background music with video, with multiple TTS backends and automated alignment, loudness, and mixing steps.

Key features

  1. 01Generate TTS voiceovers from scripts
  2. 02Choose and download background music
  3. 03Mix narration and music automatically
  4. 04Loop or trim music to video length
  5. 05Normalize loudness and apply fades

Use cases

  1. 01Add Chinese narration to a tutorial video
  2. 02Choose and add music to a short video
  3. 03Produce a mix with clear narration
  4. 04Check music licensing and attribution

Install

Copy the command and run it in a terminal.

$npx skills add https://github.com/spacezephyr/creator-buddy --skill space-video-audio

After installing, type/space-video-audioin Claude Code to confirm it loaded.

Bundled files

References and scripts installed along with SKILL.md.

references/
mixing-recipes.md
music-sources.md
scripts/
mix.sh

Details

From the project README

space-video-audio · 配音与配乐

给视频补上声音：旁白(TTS) + 背景音乐(BGM) + 混音。三块可单用，也能一次做完。

一、配音（TTS 旁白）

把口播稿变成旁白音频。按可用后端分档，优先质量高的：

档后端说明
高IndexTTS2 / 克隆音色有本地模型/配置时用，最像真人、可定制音色
中（默认）edge-tts免费、自然，中文音色好。uvx edge-tts 直接跑
兜底macOS say无网络/无依赖时用，机械感强

edge-tts 生成（推荐中文音色 zh-CN-XiaoxiaoNeural / zh-CN-YunxiNeural）：

uvx edge-tts --voice zh-CN-YunxiNeural --rate=+8% \
  --text "$(cat 02_脚本/口播.txt)" --write-media 05_音频/voice.mp3
  • 长稿按句/段分段生成再拼接，避免一句错整条重来
  • 生成后走 space-video-subtitle 用旁白音频重转写做字幕对齐（TTS 段时长只是规划元数据，不能当字幕时间轴）
  • 语速：口播偏快更精神，中文 +8%~+15% 常用

二、配乐（找 BGM 并下载）

选曲：先定情绪，再找曲

根据视频内容和节奏定 BGM 的情绪与 BPM：

视频类型BGM 方向
干货/教程轻快 lo-fi / 简约电子，低存在感，不抢话
产品/科技干净的合成器 pad / 节奏感电子
生活/小红书明亮 ukulele / 轻流行 / 暖钢琴
观点/严肃极简钢琴 / 环境氛围
快节奏盘点有鼓点的 upbeat，卡点用
免版权来源（务必看授权）

见 references/music-sources.md。核心几个：

  • Pixabay Music：免费、多数免署名（需网页/API）
  • YouTube Audio Library：免费，部分需署名（需登录）
  • Free Music Archive / ccMixter：CC 授权，多数需署名
  • Incompetech（Kevin MacLeod）：CC-BY，需署名
下载
  • 有直链的 → curl -L -o 05_音频/bgm.mp3 "<直链>"
  • YouTube/B站 的免版权曲目 → yt-dlp -x --audio-format mp3 -o 05_音频/bgm.mp3 "<URL>"

红线：只用有权使用的曲目；需署名的记下来放视频简介；不搬运受版权保护的流行音乐；不确定授权就不用。选曲/授权是用户的决定，拿不准先问。

三、混音（合成到视频）

用 scripts/mix.sh，一条命令把 BGM(+旁白) 压进视频：

bash scripts/mix.sh --video in.mp4 --bgm bgm.mp3 [--voice voice.mp3] \
  --out out.mp4 [--bgm-db -20] [--fade 1.0] [--duck]

管线做的事（见 references/mixing-recipes.md 全套 ffmpeg）：

  1. 对齐长度：BGM 太短自动循环，太长裁切到视频时长
  2. 响度归一：loudnorm 把整体拉到 -14 LUFS 左右（平台友好）
  3. 压音 ducking：有旁白时用 sidechaincompress，人声一响 BGM 自动下沉，人声停 BGM 回来
  4. 淡入淡出：首尾 afade，别硬切
  5. BGM 音量：无旁白约 -12~-16dB，有旁白垫底约 -20~-26dB
  6. 封装：-c:v copy 不重编码画面，只替换/混合音轨

交接

  • 上游：space-video-script 的口播稿（→旁白）、space-video-edit 的成片、space-video-broll 的 B-roll
  • 下游：带声音的成片 → 发布，或回 space-video-edit 做最终封装

依赖

ffmpeg（需带 loudnorm/sidechaincompress，本机已支持）、yt-dlp、uvx（跑 edge-tts）；克隆音色档需 IndexTTS2 环境。

核心原则

  • BGM 垫底不抢话：有旁白必开 ducking，BGM 只做氛围
  • 响度归一：别让视频忽大忽小，统一到 -14 LUFS
  • 授权优先：只用免版权/有权曲目，需署名的记下来
  • 不重编码画面：混音只动音轨，-c:v copy 保画质

Comments

Markdown supported