Agent Skills
› lattifai/EdgeSpeak-Skills
lattifai/EdgeSpeak-Skills
GitHub对已有文本的音视频进行强制对齐，生成词级时间戳，支持卡拉OK、SRT等输出。全程本地运行，保障隐私。用于获取精确发音时间点。
安装全部 Skills
npx skills add lattifai/EdgeSpeak-Skills --all -g -y
集合内 Skills (8)
对已有文本的音视频进行强制对齐，生成词级时间戳，支持卡拉OK、SRT等输出。全程本地运行，保障隐私。用于获取精确发音时间点。
需要为音视频生成逐字时间戳
基于已知脚本制作字幕或提取片段
npx skills add lattifai/EdgeSpeak-Skills --skill edgespeak-align -g -y
提供完全本地化的文本转语音服务，支持合成WAV音频、克隆声音及管理本地语音库。适用于需要隐私保护、离线运行的TTS场景，涵盖语音选择、风格控制及种子复现等功能。
用户需要将文本转换为语音
用户希望进行本地私有文本转语音
用户需要管理EdgeSpeak语音库
npx skills add lattifai/EdgeSpeak-Skills --skill edgespeak-broadcast -g -y
基于 EdgeSpeak 语音识别与强制对齐技术，生成带逐字高亮的 ASS 卡拉OK字幕或硬烧录视频。支持多风格预览选择、双语字幕及自动化渲染流程。
需要生成卡拉OK字幕
请求逐字高亮效果
需要ASS格式文件
需要双语/多语言字幕
要求硬烧录视频字幕
npx skills add lattifai/EdgeSpeak-Skills --skill edgespeak-karaoke -g -y
将边缘语音转写中匿名说话人标签映射为真实姓名，基于参与者名单或元数据提取证据，保留原始聚类ID，确保身份关联可追溯且不确定时不强行命名。
需要识别访谈或播客中的具体发言人姓名
提供参与者名单、节目单或视频URL以增强转写文本身份
npx skills add lattifai/EdgeSpeak-Skills --skill edgespeak-name-speakers -g -y
使用 yt-dlp 安全下载 YouTube 视频、字幕及元数据，支持保守请求策略与防覆盖机制。适用于获取本地媒体文件以便后续转录或分析，需确认用户授权并验证环境依赖。
用户提供 YouTube URL 需要下载音视频
需要提取 YouTube 视频的标题、描述等公开元数据
需要获取 YouTube 视频的字幕文件
npx skills add lattifai/EdgeSpeak-Skills --skill edgespeak-yt-download -g -y
基于 EdgeSpeak 的本地语义句子分割工具，处理无标点 ASR 文本或重分 timed transcript。支持文件/内联输入，可配置长度约束，输出 txt/json/srt，适用于字幕生成、翻译分块等场景。
需要为无标点语音转写文本添加自然句子边界
需要将带时间戳的转录本重新分割以适配不同长度的字幕或章节
需要将长文本拆分为适合阅读或翻译的句子块
npx skills add lattifai/EdgeSpeak-Skills --skill edgespeak-segment -g -y
在本地设备上将音视频转录为文本、JSON或SRT，支持说话人分离和时间戳。用于隐私保护的转录、字幕生成及会议笔记处理，无需上传数据。
需要将本地音视频文件转换为文字
需要带时间戳的SRT字幕
需要进行匿名说话人分离
要求数据完全本地化处理
npx skills add lattifai/EdgeSpeak-Skills --skill edgespeak-transcribe -g -y
将带时间轴的转录文本（EdgeSpeak JSON或SRT）翻译为目标语言，严格保持1:1片段映射和时间戳不变，确保字幕与音频对齐。
用户要求翻译转录文本、字幕或脚本
提及翻译字幕、双语字幕或为配音准备脚本
npx skills add lattifai/EdgeSpeak-Skills --skill edgespeak-translate -g -y
