AC ai-multilingual-dubbing
Создание многоязычного озвучивания из подготовленных сценариев для видео, запуска продуктов, электронного обучения, обучающих библиотек, контента для создателей и международных кампаний. Этот рабочий процесс многоязычного дублирования с помощью ИИ организует каждый рынок и сегмент, помогает выбрать локализованный голос, пилотирует произношение и тайминг, а также предоставляет проверяемое озвучивание на разных языках. Используйте его для озвучивания видео с помощью ИИ, перевода аудио для видео с помощью ИИ, озвучивания видео для локализации, локализации обучающих видео, озвучивания для глобального маркетинга, преобразования текста в речь на нескольких языках или для дублирования на китайском, английском и японском языках. Получите звуковые дорожки, организованные по языку, рынку и сегменту, готовые для редактирования локализации, производства синхронизации губ, обучающих библиотек и сборки кампаний.
машинный переводПоказать оригиналСкрыть оригинал«Create multilingual voice-over audio from prepared scripts for videos,…»
Create multilingual voice-over audio from prepared scripts for videos, product launches, e-learning, training libraries, creator content, and international campaigns. This AI multilingual dubbing workflow organizes every market and segment, helps choose a locale-ready voice, pilots pronunciation and timing, and delivers reviewable narration by language. Use it for AI video dubbing audio, AI video translation audio, video localization voice-over, training video localization, global marketing narration, text to speech in multiple languages, or Chinese, English, and Japanese dubbing. Receive narration tracks organized by language, market, and segment, ready for localization editing, lip-sync production, training libraries, and campaign assembly.
Создание многоязычного озвучивания из подготовленных сценариев для видео, запуска продуктов, электронного обучения, обучающих библиотек, контента для…
Как процесс C 58/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск
Как улучшить
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 16. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 58/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
- 40Результат и критерий готовности. Не сказано, что считать результатом
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
- 100Шаги. Шагов: 10
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2068 токенов
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- -32 из 3 скриптов не упомянуты в SKILL.md
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 752 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 8 заголовков
- +3Пошаговые инструкции: 10 пунктов
- +4Есть примеры (1 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (10 из 10)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.