Przejdź do treści
Biblioteka skilli
Marketing i treści · Budowanie i kod

voice

/voice

Obsługuje narrację i text-to-speech na maszynie użytkownika przez Audio Foundry Guaardvark (Chatterbox, Kokoro, Piper) oraz klonowanie głosu z klipu referencyjnego za zgodą.

Repozytorium
guaardvark ↗
Licencja
MIT
Ostatnia zmiana repozytorium
24.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
1
Przestarzałość

Brak sygnałów. Repozytorium zmienione 24.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Obsługuje narrację i text-to-speech na maszynie użytkownika przez Audio Foundry Guaardvark (Chatterbox, Kokoro, Piper) oraz klonowanie głosu z klipu referencyjnego za zgodą.

Wyzwalacze z opisu

s machine through Guaardvarkmake it sound like this voice
Oryginalny opis (EN)

Narration and text-to-speech on the user's machine through Guaardvark's Audio Foundry (Chatterbox, Kokoro, Piper) and consent-gated voice cloning from a reference clip. Use when the user wants a voiceover, narration of a script, a spoken line, or "make it sound like this voice".

Jak działa

  1. Which engine
  2. Speak a line or a script
  3. Clone a voice (consent-gated)
  4. Rules
Sekcje z nagłówków SKILL.md, w oryginale · 57 linii, 389 słów
Podgląd SKILL.md
---
name: voice
description: >-
  Narration and text-to-speech on the user's machine through Guaardvark's Audio Foundry
  (Chatterbox, Kokoro, Piper) and consent-gated voice cloning from a reference clip. Use
  when the user wants a voiceover, narration of a script, a spoken line, or "make it sound
  like this voice".
---

# Voice with Guaardvark

Read `setup` first. Expressive voices need the `audio_foundry` plugin running;
Piper works without it. `B=${GUAARDVARK_URL:-http://localhost:5000}`.

## Which engine

| engine | route | when |
|---|---|---|
| Chatterbox | Audio Foundry `backend: "chatterbox"` | expressive, emotion presets, **cloning** |
| Kokoro | Audio Foundry `backend: "kokoro"` | fast, clean, 10+ built-in voices (`af_heart` default) |
| Piper | `/api/voice/text-to-speech` | offline fallback, no GPU |

`GET $B/api/audio-foundry/voices` lists what is installed. `GET $B/api/voice/voices` lists Piper voices.

## Speak a line or a script

Over MCP, call `generate_speech` (`text` up to 3000 characters, optional `voice` such as
`af_heart`, `engine` auto | kokoro | chatterbox); it waits and returns the file with a download
link. Cloning is not offered over MCP. Without MCP, or for the Chatterbox knobs, use REST:

```bash
curl -s -X POST $B/api/audio-foundry/generate/voice -H 'Content-Type: application/json' -d '{
  "text": "The line to speak.",
  "backend": "auto",            # auto | chatterbox | kokoro
  "voice_id": "af_heart",       # Kokoro voice, or omit
  "emotion": "calm",            # Chatterbox preset, or omit
  "exaggeration": 0.5, "cfg_weight": 0.5, "temperature": 0.8,   # Chatterbox knobs, optional
  "seed": 7, "output_format": "wav", "async": true
}'
```
- Short text returns the file directly (`path`, `document_id`). With `"async": true` or long
  text you get `202 {"job_id"}`: poll `GET $B/api/audio-foundry/jobs/<job_id>` until `status`
  is `done`; the result has `path` and `document_id`. Cancel: `POST .../jobs/<job_id>/cancel`.
- Multi-section narration with pauses: `POST $B/api/voice/narrate`
  `{"script": "...", "engine": "kokoro", "voice": "...", "pause_between_sections": 0.6, "output_format": "wav"}`.
- Piper only: `POST $B/api/voice/text-to-speech {"text", "voice": "libritts"}` returns `audio_url`.

## Clone a voice (consent-gated)

1. The reference must go through the upload route; that is what records consent. Arbitrary
   file paths are refused with 403.
   ```bash
   curl -s -X POST $B/api/audio-foundry/voice-clips/upload -F file=@/abs/path/ref.wav -F name="Narrator sample"
   ```
   The response gives the stored path. `GET $B/api/audio-foundry/voice-clips` lists clips.
2. Generate with `"backend": "chatterbox", "reference_clip_path": "<that path>"`.
3. Before uploading, ask whether the voice belongs to the user or someone who consented. Do not
   clone a public figure or anyone who has not agreed. Refuse politely if unclear.

## Rules

- 10 to 20 seconds of clean speech is enough for a clone; more is not better.
- Say which engine ran (the response reports it); `auto` falls back to Kokoro on a Chatterbox error.
- Audio files are local under `data/outputs/`; they also appear in the Audio library page.

Wersje

RepozytoriumWynikLicencja
Ta strona · guaardvark/guaardvark100MIT
chatcut-inc/agent-plugin100Apache-2.0
chatcut-inc/agent-plugin100Apache-2.0
crisandrews/clawcode100MIT
simota/agent-skills100MIT
conversiontools/agent-skills100MIT
arach/lattices100MIT
lauradfarbo/chief-of-staff100MIT
0xsline/OpenChatCut100AGPL-3.0

Migawka bazy z 13.11.2026 · wersja paczki 3b7295566346 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100voiceover-tts
    Generuje narrację z ElevenLabs, OpenAI TTS, Kokoro lub Piper i dopasowuje tempo do pliku scen.
  • 100voiceover
    Tworzy narrację i lektor w ComfyUI otwartym modelem Chatterbox Multilingual, z obsługą 23 języków.
  • 90dev10x-qa:tts
    Syntezuje mowę z tekstu lokalnym głosem: Kokoro po angielsku, Piper po polsku, i składa linie w jedną ścieżkę audio.
  • 90dev10x:tts
    Generuje lektora z tekstu lokalnym głosem, Kokoro dla angielskiego i Piper dla polskiego, i składa ścieżkę do nagrania.
  • 90text-to-audio
    Zamienia krótki tekst w plik audio z mową lokalnie, komendą tts i modelem Kokoro, np. do lektora lub dźwięku przycisku.
  • 100add-voiceover
    Dodaje lektora do wideo: pisze tekst do słuchu, nagrywa każdą kwestię (ElevenLabs, Kokoro lub własne polecenie) i ustawia ją pod odpowiednim momentem z napisami.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.