mcpField
E
elevenlabs

elevenlabs

github.com/sanjay3290创意与媒体447345 次安装7 周前更新
代码仓库

关于 elevenlabs

ElevenLabs 技能通过 ElevenLabs TTS API 将文本和文档转换为音频，支持单人旁白及双主持人播客。适合需要为文档制作朗读或对话式音频的用户。

主要功能

  1. 01文本转语音
  2. 02从 PDF、DOCX 等文档提取文本
  3. 03按句子分块并保持语音连贯
  4. 04生成双主持人播客
  5. 05列出可用语音

适用场景

  1. 01将文档制作成旁白音频
  2. 02把文档内容改编为双人播客
  3. 03试听并选择语音

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/sanjay3290/ai-skills --skill elevenlabs

安装后在 Claude Code 中输入/elevenlabs确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

config.example.json
requirements.txt
scripts/
elevenlabs.py
extract.py

详细介绍

ElevenLabs - 文本转语音与播客技能

概览

此技能使用 ElevenLabs TTS API 将文本和文档转换为高品质音频。它支持两种模式：单人旁白和双主持人对话式播客生成。

何时使用此技能

当用户提到以下内容时启用：

  • “创建播客”“生成播客”“根据文档制作播客”
  • “为文档配旁白”“为此文件配旁白”“朗读”
  • “文本转语音”“TTS”“转换为音频”
  • “根据文档生成音频”“音频版本”

设置

配置文件位于 skills/elevenlabs/config.json：

{
  "api_key": "your-elevenlabs-api-key",
  "default_voice": "JBFqnCBsd6RMkjVDRZzb",
  "default_model": "eleven_multilingual_v2",
  "podcast_voice1": "JBFqnCBsd6RMkjVDRZzb",
  "podcast_voice2": "EXAVITQu4vr4xnSDxMaL"
}

仅需设置 api_key。也可以设置 ELEVENLABS_API_KEY 环境变量。

依赖项：pip install PyPDF2 python-docx（仅处理 PDF/DOCX 文件时需要）。

多段旁白和播客需要 ffmpeg。

命令

列出声音
python skills/elevenlabs/scripts/elevenlabs.py voices
python skills/elevenlabs/scripts/elevenlabs.py voices --json

使用此命令为用户查找声音 ID。

单人 TTS
# From text
python skills/elevenlabs/scripts/elevenlabs.py tts --text "Hello world" --output ~/Downloads/hello.mp3

# From document
python skills/elevenlabs/scripts/elevenlabs.py tts --file /path/to/doc.pdf --output ~/Downloads/narration.mp3

# With specific voice
python skills/elevenlabs/scripts/elevenlabs.py tts --file doc.md --voice VOICE_ID --output out.mp3

脚本会自动处理文本提取、按句子边界分段（约 4000 个字符）、逐段进行 TTS 并保持声音连贯性，以及使用 ffmpeg 拼接音频。

播客生成

播客模式需要一个包含对话片段的 JSON 脚本文件：

[
  {"speaker": "host1", "text": "Welcome to our podcast! Today we're diving into..."},
  {"speaker": "host2", "text": "That's right! I found the section on..."},
  {"speaker": "host1", "text": "Let's break that down..."}
]

python skills/elevenlabs/scripts/elevenlabs.py podcast --script /tmp/script.json --voice1 ID1 --voice2 ID2 --output ~/Downloads/podcast.mp3

播客工作流（适用于 Claude）

当用户要求根据文档制作播客时：

  1. 提取文档文本：

    python skills/elevenlabs/scripts/extract.py /path/to/document.pdf

  2. 根据提取的文本生成双主持人对话脚本。请遵循以下指南：

    • 撰写自然、有吸引力的双主持人讨论
    • 主持人 1 通常负责引出或介绍话题，主持人 2 则补充分析并作出回应
    • 以简短的开场白开始，欢迎听众并说明话题
    • 以总结或结束语收尾
    • 每轮发言不超过 3000 个字符
    • 调整每轮发言的长度，穿插简短回应和较长的解释
    • 使用对话式语言，例如：“说得真好”“我觉得有意思的是……”
    • 提及源文档中的具体细节
    • 避免逐字朗读文档，而应对其进行讨论和解读

  3. 将脚本写入临时文件，保存为 JSON 数组：

    # Write to /tmp/podcast_script.json
[
  {"speaker": "host1", "text": "Welcome to today's episode..."},
  {"speaker": "host2", "text": "Thanks for having me..."},
  ...
]

  4. 生成播客：

    python skills/elevenlabs/scripts/elevenlabs.py podcast --script /tmp/podcast_script.json --output ~/Downloads/podcast.mp3

  5. 清理临时脚本文件。

提示

  • 先运行 voices，让用户挑选喜欢的声音
  • 对于播客，建议选择特点互补的声音组合（例如，一个低沉，一个明亮）
  • 默认将输出保存到 ~/Downloads/，除非用户另有指定
  • 对于大型文档，提醒用户注意其 ElevenLabs 方案的字符用量

评论

支持 Markdown