by NanmiCoder
Local voice cloning + SRT-driven web presentations. Two installable Agent skills: script → voice → motion.
# Add to your Claude Code skills
git clone https://github.com/NanmiCoder/creator-pipelineGuides for using ai agents skills like creator-pipeline.
Last scanned: 9/27/2026
{
"issues": [],
"status": "PASSED",
"scannedAt": "2026-09-27T09:51:24.915Z",
"npmAuditRan": true,
"pipAuditRan": true,
"promptInjectionRan": true
}creator-pipeline is an open-source ai agents skill for AI coding assistants such as Claude Code, Codex CLI, and ChatGPT, built by NanmiCoder. Local voice cloning + SRT-driven web presentations. Two installable Agent skills: script → voice → motion. It has 57 GitHub stars.
Yes. creator-pipeline passed SkillsLLM's automated security scan — a dependency vulnerability audit plus prompt-injection heuristics — with no high-severity issues. You can read the full report in the Security Report section on this page.
Clone the repository with "git clone https://github.com/NanmiCoder/creator-pipeline" and add it to your Claude Code skills directory (see the Installation section above).
creator-pipeline is primarily written in CSS. It is open-source under NanmiCoder on GitHub, so you can review or fork the full source.
Yes. SkillsLLM lists many other AI Agents skills you can browse and compare side by side. Open the AI Agents category from the badge at the top of this page, or use the Related Skills and comparison links further down to weigh creator-pipeline against similar tools.
No comments yet. Be the first to share your thoughts!
⚠️ Third-Party Software Notice
This skill is third-party open-source software developed and hosted independently on GitHub. SkillsLLM is an informational directory and does not control or maintain the underlying repository.
Any security checks, ratings, or warnings displayed by SkillsLLM are automated and limited in scope. They do not constitute a security certification or guarantee that the software is safe, error-free, or free from malicious code, vulnerabilities, compromised dependencies, or prompt-injection risks.
Review the source code, permissions, dependencies, and configuration before installing or running any third-party skill. Use is at your own risk. To the maximum extent permitted by applicable law, SkillsLLM is not liable for losses arising from third-party software.
无需安装即可预览：点击页面开始播放，体验 25 秒 MiniMax 克隆配音 + 真实 SRT 时间轴 + 16:9 连续动画。在线样片使用作者授权的示例配音。主入口使用 GitHub Pages，也可访问 Vercel 备用入口。
想修改或本地演示？完整源码和成品配音已纳入本仓库的 examples/live-demo，全新 clone 后即可运行，无需配置 TTS 账号：
cd examples/live-demo/presentation
npm ci
npm run dev
使用 Node.js 22 LTS。修改源码后需要重新构建并发布；GitHub Pages 与 Vercel 的发布方式见 Demo 维护说明。
Creator Pipeline 是一组可以配合使用的 AI Agent skills。先用自己的录音克隆配音，得到真实音频时间轴；再让 Agent 把内容做成卡片、图解与连续 MG 场景，让画面跟着声音展开。
默认使用 MiniMax speech-2.8-hd 与你自己的克隆音色，需要可用的 MiniMax 凭据和额度。无云账号时可显式选 --provider local，用免费的 Qwen3-TTS：Apple Silicon 走 MLX，其他平台走官方 PyTorch。安装的是脚本、模板与制作方法；本地模型在首次使用时下载，个人声音不会随技能分发。
npx skills add NanmiCoder/creator-pipeline \
--skill voice-clone-tts \
--skill web-video-presentation
安装器会让你选择 Agent 和安装范围。想先看看内容：
npx skills add NanmiCoder/creator-pipeline --list
支持 Vercel skills CLI 的 skills/<name>/SKILL.md 目录发现方式，无需另装本项目的 npm 包。已实测 Codex 与 Claude Code 的项目级复制安装。
准备 script.md 和一段干净、单人、无配乐的本人录音 my-voice.mp3，MiniMax 参考片段建议 10–30 秒（接口接受 10–300 秒），本地模型通常选 3–30 秒。然后发送：
使用 voice-clone-tts 和 web-video-presentation。文案在 script.md，参考声音在 my-voice.mp3。先使用我的 MiniMax 音色；没有音色时用这段本人录音在 MiniMax 登记。制作代表性配音样片，检查读音和音色；再生成完整 WAV、MP3、SRT。基于最终时间轴制作 16:9 自动播放网页演示：少放整段文字，用连续图解、卡片状态变化和 MG 解释内容。完成后运行校验，并在浏览器实际播放、检查转场，交付运行方式。
配音脚本需要 Python 3.12、uv 和 FFmpeg；网页需要 Node.js/npm。skill 内的 setup.py 会创建独立 Python 环境。完整命令见 配音环境；想直接跑固定样例，见 first-video。
| Skill | 输入 | 输出 |
|---|---|---|
| voice-clone-tts | 文案 + 本人/已授权参考录音 | WAV、MP3、SRT、可验证的 voiceover.json |
| web-video-presentation | 最终配音、SRT 与内容素材 | Vite + React + TypeScript 16:9 网页演示，可自动播放、点击推进 |
音频先定下来，画面才有可靠的节奏。voiceover.json 连接两步：导入时核验音频采样帧、字幕和文件哈希，改稿或缺段后不会继续拼接旧结果。SRT 按实际合成段的采样帧计时，属于句段级时间轴，不是字级强制对齐。
网页中的 step 表示口播焦点，scene 表示连续空间。几个句子可以共用一个场景：卡片转成窗口，连线显示关系，游标推进时间；每句口播无需重新换一张文字页。
这版现已成为默认模板，随 npx skills add 一起安装。新建项目首页即可逐拍体验，无需生成配音；自动播放提供明确标注的无声演示。它在六段口播内设计了 21 个动作拍，支持逐步播放、回退与重播；从波形拆分、时间标记到卡片关系持续推进。见默认模板用法、真实配音示例和同配音对照记录。
截图来自六句文案的实际运行，保留预览外框。振幅概览取自最终配音，窗口是制作流程示意。已公开的成品配音随 Demo 提供，原始参考录音和私人音色 ID 不包含在仓库中。
预览、自动播放与验帧都保留清晰的 16:9 舞台。验收兼容用户指定或本机可用的 ego-browser、agent-browser 及其他真实浏览器 skill，不要求安装某个品牌的浏览器。
输出是 HTML 网页演示，不是 .pptx。安装 skills 不会自动替你生成或上传视频。审核通过后再导出，见下方「导出成片」。
| 后端 | 适合谁 | 本项目验证状态 |
|---|---|---|
| Nano · 可选 | 明确希望尝试较轻的 CPU 路线 | MOSS-TTS-Nano 100M ONNX，macOS CPU 实际合成与全流程验证 |
| Qwen MLX · 本地选项 | Apple Silicon Mac 用户 | Qwen3-TTS 0.6B Base 4bit，实际完成同稿六句配音 |
| Qwen PyTorch · 本地选项 | CUDA / CPU 用户 | 提供官方模型适配器，尚未做 CUDA 实机验证 |
| MiniMax · 默认 | 使用在线服务和自己的音色 | 已实际登记音色，并完成三段、两轮同稿对照；用户三段试听均选 MiniMax |
这次默认取自用户对本人声音的三段试听选择。声纹模型对 MiniMax 与 Qwen 的分数接近，并未证明普遍胜负；对照方法与结果保留这些限制。缺少账号或音色时会提示配置，不静默切换供应商。
本地模型代码和权重分别遵循上游许可。Nano、Qwen Base 及所选 MLX 权重的公开许可、固定版本与取舍见 TTS 选型。MiniMax 的权限和费用以账号实际额度为准，不按套餐名字推断。
“免费本地”仍然需要首次联网下载、磁盘与运行内存。历史 Nano 短样本在这台 Mac 上进程峰值约 3.5–3.9 GiB，不能据此承诺所有低配电脑都可用。完整 Nano Python 入口仍用到 PyTorch 音频预处理，ONNX 并不意味着整个依赖链都没有 PyTorch。
数字、范围、失败与修复记录见 验证报告。目前有单人三段试听选择与两轮声纹辅助对照，没有跨机器速度基准、受控双盲研究或大样本返工率结论。
画面审核没问题后，在预览页右上角点 导出，选 1K / 2K / 4K，下载 MP4。按同一时间轴逐帧生成 16:9 舞台与配音，进度条、角标和外框不进成片，无需分享标签页。导出耗时取决于设备和画面复杂度；处理慢不会通过跳帧来追赶。请保持页面打开。
| 选项 | 分辨率 |
|---|---|
| 1K | 1920×1080 |
| 2K | 2560×1440 |
| 4K | 3840×2160 |
音轨来自导入的配音文件，不依赖系统回环。旧浏览器或画面包含不支持的实时媒体时，仍可用 OBS 等录屏软件框选舞台，见 导出说明。
skills/
voice-clone-tts/ # 本地/云配音适配器、缓存、SRT 和验证
web-video-presentation/ # 场景制作方法、主题、网页运行时与导入器
examples/first-video/ # 不含私人声音的可复现端到端样例
examples/live-demo/ # 线上有声 Demo 的源码、计划、配音、字幕与部署入口
tests/ # 无需模型或云账号的故障与交接测试
docs/ # 模型取舍、实测结果与验证边界
python3 -m unittest discover -s tests -v
python3 scripts/check-package.py
欢迎带着复现文案、后端版本和脱敏日志提交 issue；不要附上密钥、未授权的录音或模型权重。对于新后端，优先补齐输入契约、许可、真实短样本和失败恢复证据。
项目代码使用 MIT。网页技能基于 ConardLi/garden-skills 的 Web Video Presentation 持续改进，保留原许可；配音运行依赖 OpenMOSS、Qwen、MLX Audio 等开源项目。第三方代码、模型与字体不因被本项目使用而变更许可，见 THIRD_PARTY_NOTICES。