将长视频时间轴重新锚定至实测(MEASURED)配音轨道。TTS 运行后,时间轴片段的起始/结束时间仍为预测值(155 wpm)……
重锁定一个长式任务的时间段到测量的语音覆盖, 并固定. audio duration.是一项面向实际任务的技能,主要用于Long- form;仅需要此字符串( 它们的漂移是次秒);
该技能适合需要稳定复用相关能力的场景,可作为自动化工作流的一部分,也便于后续检查、调整和扩展。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;
若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
将长视频任务(long-form job)的时间线分段重新锚定至实测配音音频,并修正 audio_duration。仅适用于长视频任务。短视频(Shorts)无需此步骤(其偏移量小于一秒)。
任务简报(brief)中时间线分段的起止时间,是在撰写简报时基于每分钟 155 词(155 wpm)的**预测语速**生成的。而 TTS 引擎的实际语速极少恰好等于该值。elevenlabs-tts 技能会利用 TTS 引擎返回的字符对齐信息,实测每个单词的发音时长,并将结果写入 subtitles[] 数组;但它**不会更新时间线分段的时间戳**,也**不会更新 audio_duration 字段**。
对于一段 30 秒的短视频,预测时长与实测时长的差异通常仅为零点几秒,因此短视频处理流程可忽略该偏差。但对于持续数分钟的长视频,该偏差会随播放时间累积,最终导致画面明显与配音不同步。本技能通过将每个时间线分段重新锚定至其所实际覆盖的语音片段,来消除这一偏差。
直接运行脚本:
bash skills/reconcile-timeline/scripts/reconcile.sh
示例(使用内置演示任务):
bash skills/reconcile-timeline/scripts/reconcile.sh examples/demo-job
input.json 文件存在且为合法 JSON 格式schema_version 必须为 "3.0-long")subtitles[] 中存在实测单词时长数据vo_line 字段非空vo_line 文本与实测单词流进行匹配,并重写其 start_time 和 end_time,使其精确对齐真实音频边界vo_line 单词数与实测单词总数一致(容差为 ±5%)input.json,并验证时间戳严格单调递增成功时:
OK reconciledsegments to measured audio audio_duration set to s
失败时:
FAILED:
(详细错误信息输出至 stderr,进程退出码非零)
jq 脚本(reconcile.jq)和一个临时合并文件外,**不会在任务目录中创建任何其他临时文件**;所有临时文件均在成功执行后自动清理。vo_line 已正确填写。audio_duration,不计入时间线总和**。audio_duration。相关专题
热门下载
相关下载
精品课程
共6课时 | 54.7万人学习
共89课时 | 134.1万人学习
共49课时 | 82.6万人学习
最新文章