media-toolkit-production
ElevenLabs API v3を使用した音声生成とオーディオミキシング機能で、インテリジェントなタイミング最適化に対応しています。ユーザーが音声生成、TTS、ElevenLabs、オーディオプロダクション、またはスクリプト形式のCHARACTER（感情）ダイアログについて言及した際に動作します。
description の原文を見る
Voice generation and audio mixing using ElevenLabs API v3 with intelligent timing optimization. Trigger when user mentions voice generation, TTS, ElevenLabs, audio production, or script format CHARACTER (emotion) dialogue.
SKILL.md 本文
メディアツールキット プロダクション
指示
重要な要件(すべて適用が必須)
-
アクセント永続化 - ElevenLabs API呼び出しには必ずアクセント記述子を含める必要があります:
text: "[Irish Midlands accent] Stay close, Jess." -
履歴からのクリップ再利用 - クリップを生成する前に:
- ElevenLabs History APIを確認する
- テキスト+音声が一致するものが存在する場合 → 再利用する
- ログ: "Reusing from history: [id]"
-
再タイミング ワークフロー - ローカルタイミング調整、再生成なし:
- 実際の長さに基づいて下流のタイミングを調整する
- タイミング修正のためのAPI呼び出しはゼロ
-
ボイス オーバーラップなし(優先度 1) - 音声は意図的な場合を除きオーバーラップしない
-
行の洗練 - ユーザー承認ループ:
- ユーザー: 「2行目をもっとパニック状態に」
- 調整: stability=0.3, style=0.8, text="[panicked, breathless]..."
...
詳細情報
- 作者
- bermingham85
- ライセンス
- unknown
- 最終更新
- 2026/2/12
Source: https://github.com/bermingham85/warp-config / ライセンス: unknown
関連スキル
listenhub
あらゆることを説明できます。アイデアをポッドキャスト、解説動画、または音声ナレーションに変換します。 ユーザーが「ポッドキャストを作りたい」「解説動画を作成したい」「これを読み上げてほしい」「画像を生成したい」、または知識を音声・映像形式で共有したいときに使用します。トピックの説明、YouTubeリンク、記事URL、プレーンテキスト、画像プロンプトに対応しています。
best-youtube-video-editor
ClawHub上の「best-youtube-video-editor」スキルは、YouTube クリエイターのコンテンツ制作を革新します。タイムラインや複雑なソフトウェアを必要とせず、会話形式のAI駆動型ビデオ編集が可能です。無音部分のカット、チャプターマーカーの追加、字幕の挿入、ペーシングの調整、エクスポートの最適化——すべてが自然言語の指示で実現します。初回使用時には NemoVideo API を通じて認証情報を自動設定するため、有効化後数秒で編集を開始できます。YouTuber、教育関係者、ポッドキャスター、ブランドチャネル向けに開発され、品質を損なわず高速な納期対応が必要な方に最適です。mp4、mov、avi、webm、mkv 形式に対応しています。
video
ユーザーがAIツールやプログラマティックフレームワークを使用してビデオコンテンツを作成、生成、または制作したい場合に使用します。また、ユーザーが「ビデオ制作」「AIビデオ」「Remotion」「Hyperframes」「HeyGen」「Synthesia」「Veo」「Runway」「Kling」「Pika」「ビデオ生成」「AIアバター」「トーキングヘッドビデオ」「プログラマティックビデオ」「ビデオテンプレート」「解説ビデオ」「プロダクトデモビデオ」「ビデオパイプライン」または「ビデオを作ってほしい」と言及している場合にも使用します。ビデオ作成、生成、制作のワークフロー全般に対応できます。ビデオコンテンツの戦略や投稿内容については「social-content」を、有料ビデオ広告クリエイティブについては「ad-creative」をご参照ください。
clipify
ビデオから最も面白い瞬間を検出し、スタンドアロンクリップとしてカットできます。オプションで16:9から9:16へのリフォーマット（フェイスパンまたはスプリットスクリーン）に対応し、Opus風の単語ごとのキャプションを焼き込みます。ユーザーが「clipify」「このビデオからクリップをカットして」「これからショーツを作って」「面白い瞬間を見つけて」「9:16にリフレーミングして」「縦型クリップ」と言及したり、ビデオファイルパスを貼り付けてSNS対応のクリップを求める場合に使用します。
speech
ユーザーが音声生成、ナレーション、アクセシビリティ対応の読み上げ、音声プロンプト、またはOpenAI Audio APIによるバッチ音声生成をリクエストした場合に使用します。組み込みボイスを備えたバンドルCLI（`scripts/text_to_speech.py`）を実行でき、ライブ呼び出しには`OPENAI_API_KEY`が必要です。カスタムボイスの作成には対応していません。
depth-estimation
Depth Anything v2を使用したリアルタイム深度マップのプライバシー変換（CoreML + PyTorch対応） このスキルは、Depth Anything v2モデルを活用して、画像やビデオから取得した深度情報をリアルタイムで処理し、プライバシーを保護しながら変換します。CoreMLとPyTorchの両方に対応しており、エッジデバイスでの高速処理とクラウド環境での柔軟な運用が可能です。顔認識データのぼかしや背景の匿名化など、プライバシー関連の処理を効率的に実行できます。