mcpField
A
audio-jingle

audio-jingle

github.com/mphinance创意与媒体3283 次安装3 天前更新
代码仓库

关于 audio-jingle

audio-jingle 是用于生成音乐、语音和音效的音频创作技能，面向需要为项目制作音频的创作者。它根据项目的音频类型规划内容，并通过统一调度器生成文件。

主要功能

  1. 01按音乐、语音和音效分支
  2. 02依据项目元数据规划音频
  3. 03按模型要求编写生成提示词
  4. 04通过统一调度器生成文件
  5. 05提供交付与变体建议

适用场景

  1. 01为项目制作短音乐或配乐
  2. 02将定稿脚本转换为语音
  3. 03生成指定质感与时长的音效

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/mphinance/alpha-skills --skill audio-jingle

安装后在 Claude Code 中输入/audio-jingle确认已加载。

附带文件example.htmlREADME.md

详细介绍

Audio Jingle 技能

三种子模式。当前项目的 audioKind 决定运行哪一种：

audioKind我们路由到的模型计划重点
musicSuno V5（默认）、Udio、Lyria 2流派 + 节奏 + 乐器编配
speechMiniMax TTS（默认）、Fish、ElevenLabs V3脚本 + 声音 + 语速
sfxElevenLabs SFX（默认）、AudioCraft音色质感 + 冲击感 + 时长

资源映射

audio-jingle/
├── SKILL.md
└── example.html

工作流

步骤 0 — 读取项目元数据

读取 audioKind、audioModel、audioDuration（秒），以及（对于语音）voice。根据 audioKind 分支处理，并原样使用这些值——除非某项标记为 (unknown — ask)，否则不要提出澄清问题。

重要提示：voice 与服务提供商有关。对于 minimax-tts，--voice 必须是有效的 MiniMax voice_id（例如 male-qn-qingse），不能是自然语言描述。如果你只有文字形式的声音说明（“温暖的女性旁白”“中性普通话”），请在计划中保留，但省略 --voice，以使用守护进程的默认 voice id；或者请用户选择一个具体的 id。

步骤 1 — 制定计划

音乐

  • 流派 + 参考艺人（1–2 位）
  • 节奏（BPM）+ 调性
  • 乐器编配（最多 3–5 种乐器）
  • 人声：有 / 无 / 哼唱 / 合唱
  • 情绪变化（前奏 → 副歌 → 尾奏）

语音

  • 脚本（最终稿，非草稿——TTS 会逐字合成）
  • 目标声音 + 语速
    对于 MiniMax，这意味着使用真实的 voice_id，不能在 --voice 中填写文字描述
  • 专有名词 / 缩略词的发音提示

音效

  • 音色质感（冲击 / 呼啸 / 环境音 / 拟音）
  • 时长 + 包络（快速起音 vs. 缓慢渐强）
  • 分层说明（单一音效 vs. 多层叠加）

开始生成前，用 2–3 句话说明计划。

步骤 2 — 编写提示词

使用上游模型偏好的格式。将 audioDuration 直接绑定到 API 参数；切勿在文字中写“生成一段 30 秒的音频”。

步骤 3 — 通过媒体契约分发

使用统一分发器——不要手动调用服务提供商的 API：

node "$OD_BIN" media generate \
  --project "$OD_PROJECT_ID" \
  --surface audio \
  --audio-kind "<music|speech|sfx>" \
  --model "<audioModel from metadata>" \
  --duration <audioDuration seconds> \
  [--voice "<provider voice id (speech only)>"] \
  --output "<short-slug>-<duration>s.mp3" \
  --prompt "<assembled prompt from Step 2 — for speech, the literal script>"

该命令会输出一行 JSON：{"file": {"name": "...", ...}}。音频数据会写入项目；FileViewer 会自动渲染音频播放控件。

步骤 4 — 交付

回复中包含：计划摘要、分发器返回的文件名，以及一句说明用户想要变体时可以尝试什么（例如“将节奏从 92 调整到 108 BPM”，而不是“做得不一样”）。

硬性规则

  • TTS 会逐字合成你的脚本。分发前务必校对——哪怕多一个逗号也会改变节奏。
  • MiniMax TTS 不接受在 --voice 中填写自由格式的声音描述。请使用真实的 MiniMax voice_id（例如 male-qn-qingse），或省略该标记并使用守护进程的默认声音。
  • 音乐：少于 30 秒 = 单一段落；30–90 秒 = 前奏 + 主体；90 秒及以上 = 完整情绪变化。不要试图在 15 秒内塞进一首三幕式歌曲。
  • 音效：优先使用一层描述清晰的音效，而不是一段“做得酷一点”的说明——生成器更擅长处理具体的音色质感词汇。
  • 每轮都要保存文件。音频文件一写入，音频查看器就会显示播放控件。

评论

支持 Markdown