Token导航 LogoToken导航

Agent Skill · 运维和基础设施

videoagent-audio-studio(视频 Agent 音频工作室)

用于辅助视频生成、动画合成、脚本化剪辑或 Remotion 等视频项目开发。它适合让 Agent 组织镜头、生成素材说明、维护合成代码或排查渲染问题。使用时需要确认分辨率、时长、素材路径和导出格式;涉及外部素材、人物肖像或商业发布时,应先核对版权授权和内容审核要求。

videoagent-audio-studio 是运维和基础设施类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为接触敏感数据;许可证信息还不明确,第三方扫描已通过,按安装量在运维和基础设施类的 2,449 个 Skill 里排第 57。

总安装 87,264周安装 3,585GitHub Stars 789下载 28,512核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
unknown

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:videoagent-audio-studio(视频 Agent 音频工作室)
来源仓库:https://github.com/pexoai/pexo-skills
仓库路径:skills/videoagent-audio-studio
安装命令:
npx skills add https://github.com/pexoai/pexo-skills --skill videoagent-audio-studio
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/pexoai/pexo-skills --skill videoagent-audio-studio

这个 Skill 是做什么的

运维和基础设施类 Skill 处理部署、监控、日志和云资源,多数需要较高的执行权限。

统一音频生成调度程序将 TTS、音乐、音效和语音克隆路由到最佳模型。

根据请求类型将请求路由到 ElevenLabs(TTS、语音克隆、SFX)或 fal.ai(音乐),延迟范围从 <1 秒到约 15 秒 支持五种音频功能:带语音选择的多语言文本转语音、低延迟 Turbo TTS、背景音乐创作、音效生成(最长 22 秒)以及从音频样本克隆语音 仅需要 ELEVENLABS_API_KEY 开始;可选的FAL_KEY 通过 fal.ai 实现音乐生成 包括通过 Vercel 代理实现区域访问或自定义域要求的自托管选项

来源仓库内路径:skills/videoagent-audio-studio

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/pexoai/pexo-skills --skill videoagent-audio-st…;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要接触敏感数据,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

videoagent-audio-studio 怎么安装?

在终端执行 npx skills add https://github.com/pexoai/pexo-skills --skill videoagent-audio-studio。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

videoagent-audio-studio 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

videoagent-audio-studio 需要什么权限?

权限级别是接触敏感数据。该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

videoagent-audio-studio 是免费的吗?

公开资料没有标注明确许可证,收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

videoagent-audio-studio 用的人多吗?

公开数据是累计安装 87,264 次,近一周安装 3,585 次,下载 28,512 次,GitHub 789 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

videoagent-audio-studio 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 需要接触敏感数据,装到常用环境前要先评估影响面。
  • 许可证没有明确标注,能不能商用、能不能再分发都不确定。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理运维和基础设施类任务、又不想每次都手写提示词的人。

不太适合

  • 环境里有大量密钥、凭证,不方便给第三方 Skill 读取的人。
  • 需要明确授权才能用到公司项目里的场景。
  • 需要厂商级技术支持和 SLA 的生产系统。

运维和基础设施类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
brainstorming

头脑风暴 · Codex、Claude

3,148,776173,131操作浏览器MIT通过
copywriting

文案写作 · Codex、Claude

1,996,72425,583需要联网MIT通过
openclaw-secure-linux-cloud

OpenClaw secure linux cloud 命令行 · Codex、Claude

1,853,08840接触敏感数据未明确未通过
xget

xget 命令行 · Codex、Claude

1,799,28040执行命令未明确未通过
requesting-code-review

代码审查请求 · Codex、Claude

1,590,144173,103权限未标注MIT通过
videoagent-audio-studio

视频 Agent 音频工作室 · 本页

87,264789接触敏感数据未明确通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

🎙️ VideoAgent Audio Studio

Use when: User asks to generate speech, narrate text, create a voice-over, compose music, or produce a sound effect.

VideoAgent Audio Studio is a smart audio dispatcher. It analyzes your request and routes it to the best available model — ElevenLabs for speech and music, fal.ai for fast SFX — and returns a ready-to-use audio URL.


Quick Reference

Request TypeBest ModelLatency
Narrate text / Voice-overelevenlabs-tts-v3~3s
Low-latency TTS (real-time)elevenlabs-tts-turbo<1s
Background musiccassetteai-music~15s
Sound effectelevenlabs-sfx~5s
Clone a voice from audioelevenlabs-voice-clone~10s

How to Use

1. Start the AudioMind server (once per session)

bash {baseDir}/tools/start_server.sh

This starts the ElevenLabs MCP server on port 8124. The skill uses it for all audio generation.

2. Route the request

Analyze the user's request and call the appropriate tool via the MCP server:

Text-to-Speech (TTS)

When user asks to "narrate", "read aloud", "say", or "create a voice-over":

Use MCP tool: text_to_speech
  text: "<the text to narrate>"
  voice_id: "JBFqnCBsd6RMkjVDRZzb"   # Default: "George" (professional, neutral)
  model_id: "eleven_multilingual_v2"   # Use "eleven_turbo_v2_5" for low latency

Music Generation

When user asks to "compose", "create background music", or "make a soundtrack":

Use MCP tool: text_to_sound_effects  (via cassetteai-music on fal.ai)
  prompt: "<music description, e.g. 'upbeat lo-fi hip hop, 90 seconds'>"
  duration_seconds: <duration>

Sound Effect (SFX)

When user asks for a specific sound (e.g., "a door creaking", "rain on a window"):

Use MCP tool: text_to_sound_effects
  text: "<sound description>"
  duration_seconds: <1-22>

Voice Cloning

When user provides an audio sample and wants to clone the voice:

Use MCP tool: voice_add
  name: "<voice name>"
  files: ["<audio_file_url>"]

Example Conversations

User: "Voice this text for me: Welcome to our product launch"

→ Route to: text_to_speech
  text: "Welcome to our product launch"
  voice_id: "JBFqnCBsd6RMkjVDRZzb"
  model_id: "eleven_multilingual_v2"
🎙️ Voiceover done! Listen here

User: "Generate 60 seconds of relaxing background music for a podcast"

→ Route to: cassetteai-music (fal.ai)
  prompt: "relaxing lo-fi background music for a podcast, gentle piano and soft beats, 60 seconds"
  duration_seconds: 60
🎵 Background music ready! Listen here

User: "Generate a sci-fi style door opening sound effect"

→ Route to: text_to_sound_effects
  text: "a futuristic sci-fi door sliding open with a hydraulic hiss"
  duration_seconds: 3

Setup

Required

Set ELEVENLABS_API_KEY in ~/.openclaw/openclaw.json:

{
  "skills": {
    "entries": {
      "videoagent-audio-studio": {
        "enabled": true,
        "env": {
          "ELEVENLABS_API_KEY": "your_elevenlabs_key_here"
        }
      }
    }
  }
}

Get your key at elevenlabs.io/app/settings/api-keys.

Optional (for fal.ai music & SFX models)

"FAL_KEY": "your_fal_key_here"

Get your key at fal.ai/dashboard/keys.


Self-Hosting the Proxy

The cli.js connects to a hosted proxy by default. If you want full control — or need to serve users in regions where vercel.app is blocked — you can deploy your own instance from the proxy/ directory.

Quick Deploy (Vercel)

cd proxy
npm install
vercel --prod

Environment Variables

Set these in your Vercel project (Dashboard → Settings → Environment Variables):

VariableRequired ForWhere to Get
ELEVENLABS_API_KEYTTS, SFX, Voice Cloneelevenlabs.io/app/settings/api-keys
FAL_KEYMusic generationfal.ai/dashboard/keys
VALID_PRO_KEYS(Optional) Restrict accessComma-separated list of allowed client keys

Point cli.js to Your Proxy

export AUDIOMIND_PROXY_URL="https://your-domain.com/api/audio"

Or set it in ~/.openclaw/openclaw.json:

{
  "skills": {
    "entries": {
      "videoagent-audio-studio": {
        "env": {
          "AUDIOMIND_PROXY_URL": "https://your-domain.com/api/audio"
        }
      }
    }
  }
}

Custom Domain (Recommended)

If your users are in mainland China, bind a custom domain in Vercel Dashboard → Settings → Domains to avoid DNS issues with vercel.app.


Model Reference

Model IDTypeProviderNotes
eleven_multilingual_v2TTSElevenLabsBest quality, supports 29 languages
eleven_turbo_v2_5TTSElevenLabsUltra-low latency, ideal for real-time
eleven_monolingual_v1TTSElevenLabsEnglish only, fastest
cassetteai-musicMusicfal.aiReliable, fast music generation
elevenlabs-sfxSFXElevenLabsHigh-quality sound effects (up to 22s)
elevenlabs-voice-cloneCloneElevenLabsClone any voice from a short audio sample

Changelog

v3.0.0

  • Simplified routing table: Removed unstable/offline models from the main reference. The skill now only surfaces models that reliably work.
  • Clearer use-case triggers: Added "Use when" section so the agent activates this skill at the right moment.
  • Unified setup: Single ELEVENLABS_API_KEY is all you need to get started. FAL_KEY is now optional.
  • Removed polling complexity: Music generation now uses cassetteai-music by default, which completes synchronously.

v2.1.0

  • Added async workflow for long-running music generation tasks.
  • Added cassetteai-music as a stable alternative for music generation.

v2.0.0

  • Migrated to ElevenLabs MCP server architecture.
  • Added voice cloning support.

v1.0.0

  • Initial release with TTS, music, and SFX routing.

平台分布

Codex

32.45%
按下载量换算9,252

Claude

29.58%
按下载量换算8,434

Cursor

19.97%
按下载量换算5,694

Gemini CLI

8.79%
按下载量换算2,506

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

通过

权限和风险

接触敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills