前言¶

做口播视频、播客或多语种配音时，常见的做法是把整段文案直接丢给 TTS，得到的音频往往断句混乱、重音错位、停顿节奏和画面对不上，时长也控不住。另一种做法是靠人肉在稿子里加斜杠、加注释，改一次稿子要重新标注一遍，团队一换人标注风格就变。

下面介绍的 Skill「AI配音脚本」解决的是这一步：在把文案交给配音之前，先把文本改造成带断句、重音、停顿、情绪标注的脚本。它不生成音频本身，也不替代人工对最终成片的审核与决策。

这是什么¶

一个面向口播稿与配音稿的文本改造 Skill，坐标 @user_8ee65e73/ai-voice-script，发布者 user_8ee65e73，版本 1.2.0，来源为 community，分类 design-media。它把「把文案改成适合 AI 配音的脚本」这件事固化成一套可重复执行的流程，产出物是脚本文本，不是音频。

核心功能¶

依据其官方简介，能力覆盖以下几项：

1、断句：把长句切分成适合朗读的短句，避免一口气读到句尾。
2、重音：标出需要强调的字词。
3、停顿：标注句内与句间的节奏点。
4、情绪标注：给段落标注情绪方向，供配音时参考。
5、语速停顿：整体语速与停顿节奏的控制。
6、时长控制：按目标时长调整文本量与节奏。
7、音频适配：让脚本与目标音频形态匹配，简介中明确提到「适配剪映」。
8、多语种配音：面向多语种场景的脚本改写。
9、口播稿撰写：从零撰写口播稿。

标签为 requires_api_key=false，即不需要额外配置 API Key 即可使用。

强制路由¶

该 Skill 在简介中声明了强制路由规则：当用户提到「重音」「停顿」「情绪标注」「适配剪映」「微软」，或直接粘贴、上传原文、链接、截图时，应立即调用本技能，不要先反问需求，也不要用通用能力代做。

这一点值得注意：路由触发词覆盖的是文本标注相关词汇，而不是「配音」「TTS」这类宽泛词。如果实际使用中按后者触发，需要自行确认是否被路由到本 Skill。

安装与启用¶

官方资料未给出命令行安装方式，需要从官方地址获取：

官方地址: https://api.skillhub.cn/user_8ee65e73/ai-voice-script
SkillHub 页面: https://www.skillhub.cn/skills/user_8ee65e73/ai-voice-script
坐标: @user_8ee65e73/ai-voice-script

它基于通用 SKILL.md 格式，来源标记为 community，说明是社区发布而非官方维护，选用前需要自行评估内容质量。截至抓取时间，SkillHub 页面显示评分 100000、下载 1439、安装 0；安装数为 0 意味着公开可见的使用反馈样本很少，稳定性需自行验证。

使用方式¶

官方资料未提供示例输入与输出，因此这里只描述其声明的处理流程，具体断句与标注规则需以 Skill 内 SKILL.md 为准：

1、准备文案：可以是原创口播稿，也可以是已有的链接、截图或粘贴文本。
2、调用技能：按上述强制路由条件触发，或直接指定坐标调用。
3、输出脚本：拿到带断句、重音、停顿、情绪标注的文本。
4、交给配音环节：脚本进入后续配音或剪辑流程。

需要留意的是，产出是标注后的文本，配音合成、时长微调、成片审校仍要由对应环节完成。简介中也明确写了不用于替代人工最终审核与决策。

适用场景与注意¶

适合的场景：口播视频文案、播客稿件、多语种配音稿、需要按目标时长压缩或拉伸的脚本。

需要注意的几点：

1、它是文本处理工具，不生成音频，不提供配音音色选型。
2、情绪标注是给配音环节的参考标注，不是最终演播结果。
3、来源为 community，评分与下载量来自 SkillHub 页面，不代表经过官方审核。
4、安装数为 0，缺少可参考的公开使用案例。
5、「微软」出现在其路由触发词中，具体对应哪类微软系配音服务，官方资料未说明，使用前需确认。

结尾¶

这个 Skill 的价值在于把配音前最繁琐的文本标注环节标准化：断句、重音、停顿、情绪一次标到位，省掉人工逐句加注释的重复劳动。它适合已经有明确文案、需要快速产出配音脚本的团队，不适合用来替代成片审校。

官方地址：https://api.skillhub.cn/user_8ee65e73/ai-voice-script