К основному содержанию
скилл CX Codex

audiobook — скилл для Claude Code: озвучка текста и установка

Скилл audiobook собирает аудиокнигу из статьи по ссылке или текстового файла: вытягивает контент, чистит его и озвучивает через ElevenLabs, OpenAI TTS или gTTS.

Apache-2.0 1 установок ★ 1 933 обновлён 2026-10-24

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add benchflow-ai/skillsbench --skill audiobook -a claude-code
Открыть на GitHub

Что делает audiobook

Скилл ведёт текст от ссылки до mp3 в три шага. Сначала тянет страницу через curl и срезает теги: на выходе должен быть полный текст статьи, а не выжимка, поэтому длина проверяется, а в первых 500 знаках ищутся заголовки вроде «summary» или «key points». Потом из текста уходят ссылки, сноски вида [1] и лишние символы, а сам он режется на куски по границам предложений — 4000–4500 знаков на кусок.

Провайдера озвучки скилл выбирает по переменным окружения. Есть ELEVENLABS_API_KEY — идёт ElevenLabs с голосом Rachel и моделью eleven_turbo_v2_5; есть только OPENAI_API_KEY — OpenAI tts-1 с голосом onyx; нет ничего — gTTS, которому ключ не нужен. Куски складываются в /tmp/chunk_XXX.mp3 и склеиваются функцией concatenate_audio.

У бесплатного пути есть цена: в gTTS язык зашит как lang='en', поэтому русская статья озвучится английским голосом, а склейка там идёт через pydub. Для неанглийского текста нужен ключ ElevenLabs или OpenAI.

Какие задачи решает

  • озвучить длинный лонгрид и получить один mp3
  • поймать случай, когда веб-фетч вернул выжимку вместо полного текста
  • уйти на бесплатный TTS, когда ключей API под рукой нет
  • порезать эссе на куски, чтобы не упереться в лимит запроса
  • вычистить сноски и ссылки перед озвучкой

Примеры запросов агенту

  • Озвучь статью по ссылке и сохрани результат в essay.mp3.
  • Проверь, что скачанный текст полный, и разбей его на куски по 4000 знаков перед озвучкой.
  • Сделай аудиоверсию файла notes.txt через gTTS, ключей ElevenLabs нет.

Как установить audiobook

1Через Skills CLI (Vercel)

npx skills add benchflow-ai/skillsbench --skill audiobook -a claude-code

2Вручную: положить файлы

~/.claude/skills/audiobook/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/audiobook/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы об audiobook

Как установить audiobook в Claude Code?

Выполните npx skills add benchflow-ai/skillsbench --skill audiobook -a claude-code. Скилл появится по пути ~/.claude/skills/audiobook/SKILL.md.

Что делает audiobook?

Проходит весь путь от источника до аудио: забирает страницу или файл, чистит и режет текст, затем озвучивает его выбранным TTS и склеивает куски в один файл.

Что нужно, чтобы озвучка заработала?

Либо ELEVENLABS_API_KEY, либо OPENAI_API_KEY в окружении. Без ключей скилл уходит на gTTS, но там язык зашит как lang='en'.

Исходный текст

SKILL.md · Apache-2.0
---
name: audiobook
description: "Create audiobooks from web content or text files. Handles content fetching, text processing, and TTS conversion with automatic fallback between ElevenLabs, OpenAI TTS, and gTTS."
---

# Audiobook Creation Guide

Create audiobooks from web articles, essays, or text files. This skill covers the full pipeline: content fetching, text processing, and audio generation.

## Quick Start

```python
import os

# 1. Check which TTS API is available
def get_tts_provider():
    if os.environ.get("ELEVENLABS_API_KEY"):
        return "elevenlabs"
    elif os.environ.get("OPENAI_API_KEY"):
        return "openai"
    else:
        return "gtts"  # Free, no API key needed

provider = get_tts_provider()
print(f"Using TTS provider: {provider}")
```

## Step 1: Fetching Web Content

### IMPORTANT: Verify fetched content is complete

WebFetch and similar tools may return summaries instead of full text. Always verify:

```python
import subprocess

def fetch_article_content(url):
    """Fetch article content using curl for reliability."""
    # Use curl to get raw HTML - more reliable than web fetch tools
    result = subprocess.run(
        ["curl", "-s", url],
        capture_output=True,
        text=True
    )
    html = result.stdout

    # Strip HTML tags (basic approach)
    import re
    text = re.sub(r'<script[^>]*>.*?</script>', '', html, flags=re.DOTALL)
    text = re.sub(r'<style[^>]*>.*?</style>', '', html, flags=re.DOTALL)
    text = re.sub(r'<[^>]+>', ' ', text)
    text = re.sub(r'\s+', ' ', text).strip()

    return text
```

### Content verification checklist

Before converting to audio, verify:
- [ ] Text length is reasonable for the source (articles typically 1,000-10,000+ words)
- [ ] Content includes actual article text, not just navigation/headers
- [ ] No "summary" or "key points" headers that indicate truncation

```python
def verify_content(text, expected_min_chars=1000):
    """Basic verification that content is complete."""
    if len(text) < expected_min_chars:
        print(f"WARNING: Content may be truncated ({len(text)} chars)")
        return False
    if "summary" in text.lower()[:500] or "key points" in text.lower()[:500]:
        print("WARNING: Content appears to be a summary, not full text")
        return False
    return True
```

## Step 2: Text Processing

### Clean and prepare text for TTS

```python
import re

def clean_text_for_tts(text):
    """Clean text for better TTS output."""
    # Remove URLs
    text = re.sub(r'http[s]?://\S+', '', text)

    # Remove footnote markers like [1], [2]
    text = re.sub(r'\[\d+\]', '', text)

    # Normalize whitespace
    text = re.sub(r'\s+', ' ', text)

    # Remove special characters that confuse TTS
    text = re.sub(r'[^\w\s.,!?;:\'"()-]', '', text)

    return text.strip()

def chunk_text(text, max_chars=4000):
    """Split text into chunks at sentence boundaries."""
    sentences = re.split(r'(?<=[.!?])\s+', text)
    chunks = []
    current_chunk = ""

    for sentence in sentences:
        if len(current_chunk) + len(sentence) < max_chars:
            current_chunk += sentence + " "
        else:
            if current_chunk:
                chunks.append(current_chunk.strip())
            current_chunk = sentence + " "

    if current_chunk:
        chunks.append(current_chunk.strip())

    return chunks
```

## Step 3: TTS Conversion with Fallback

### Automatic provider selection

```python
import os
import subprocess

def create_audiobook(text, output_path):
    """Convert text to audiobook with automatic TTS provider selection."""

    # Check available providers
    has_elevenlabs = bool(os.environ.get("ELEVENLABS_API_KEY"))
    has_openai = bool(os.environ.get("OPENAI_API_KEY"))

    if has_elevenlabs:
        print("Using ElevenLabs TTS (highest quality)")
        return create_with_elevenlabs(text, output_path)
    elif has_openai:
        print("Using OpenAI TTS (high quality)")
        return create_with_openai(text, output_path)
    else:
        print("Using gTTS (free, no API key required)")
        return create_with_gtts(text, output_path)
```

### ElevenLabs implementation

```python
import requests

def create_with_elevenlabs(text, output_path):
    """Generate audiobook using ElevenLabs API."""
    api_key = os.environ.get("ELEVENLABS_API_KEY")
    voice_id = "21m00Tcm4TlvDq8ikWAM"  # Rachel - calm female voice

    chunks = chunk_text(text, max_chars=4500)
    audio_files = []

    for i, chunk in enumerate(chunks):
        chunk_file = f"/tmp/chunk_{i:03d}.mp3"

        response = requests.post(
            f"https://api.elevenlabs.io/v1/text-to-speech/{voice_id}",
            headers={
                "xi-api-key": api_key,
                "Content-Type": "application/json"
            },
            json={
                "text": chunk,
                "model_id": "eleven_turbo_v2_5",
                "voice_settings": {"stability": 0.5, "similarity_boost": 0.75}
            }
        )

        if response.status_code == 200:
            with open(chunk_file, "wb") as f:
                f.write(response.content)
            audio_files.append(chunk_file)
        else:
            print(f"Error: {response.status_code} - {response.text}")
            return False

    return concatenate_audio(audio_files, output_path)
```

### OpenAI TTS implementation

```python
def create_with_openai(text, output_path):
    """Generate audiobook using OpenAI TTS API."""
    api_key = os.environ.get("OPENAI_API_KEY")

    chunks = chunk_text(text, max_chars=4000)
    audio_files = []

    for i, chunk in enumerate(chunks):
        chunk_file = f"/tmp/chunk_{i:03d}.mp3"

        response = requests.post(
            "https://api.openai.com/v1/audio/speech",
            headers={
                "Authorization": f"Bearer {api_key}",
                "Content-Type": "application/json"
            },
            json={
                "model": "tts-1",
                "input": chunk,
                "voice": "onyx",  # Deep male voice, good for essays
                "response_format": "mp3"
            }
        )

        if response.status_code == 200:
            with open(chunk_file, "wb") as f:
                f.write(response.content)
            audio_files.append(chunk_file)
        else:
            print(f"Error: {response.status_code} - {response.text}")
            return False

    return concatenate_audio(audio_files, output_path)
```

### gTTS implementation (free fallback)

```python
def create_with_gtts(text, output_path):
    """Generate audiobook using gTTS (free, no API key)."""
    from gtts import gTTS
    from pydub import AudioSegment

    chunks = chunk_text(text, max_chars=4500)
    audio_files = []

    for i, chunk in enumerate(chunks):
        chunk_file = f"/tmp/chunk_{i:03d}.mp3"

        tts = gTTS(text=chunk, lang='en', slow=False)
        tts.save(chunk_file)
        audio_files.append(chunk_file)

    return concatenate_audio(audio_files, output_path)
```

### Audio concatenation

```python
def concatenate_audio(audio_files, output_path):
    """Concatenate multiple audio files using ffmpeg."""
    if not audio_files:
        return False

    # Create file list for ffmpeg
    list_file = "/tmp/audio_list.txt"
    with open(list_file, "w") as f:
        for audio_file in audio_files:
            f.write(f"file '{audio_file}'\n")

    # Concatenate with ffmpeg
    result = subprocess.run([
        "ffmpeg", "-y", "-f", "concat", "-safe", "0",
        "-i", list_file, "-c", "copy", output_path
    ], capture_output=True)

    # Cleanup temp files
    import os
    for f in audio_files:
        os.unlink(f)
    os.unlink(list_file)

    return result.returncode == 0
```

## Complete Example

```python
#!/usr/bin/env python3
"""Create audiobook from web articles."""

import os
import re
import subprocess
import requests

# ... include all helper functions above ...

def main():
    # Fetch articles
    urls = [
        "https://example.com/article1",
        "https://example.com/article2"
    ]

    all_text = ""
    for url in urls:
        print(f"Fetching: {url}")
        text = fetch_article_content(url)

        if not verify_content(text):
            print(f"WARNING: Content from {url} may be incomplete")

        all_text += f"\n\n{text}"

    # Clean and convert
    clean_text = clean_text_for_tts(all_text)
    print(f"Total text: {len(clean_text)} characters")

    # Create audiobook
    success = create_audiobook(clean_text, "/root/audiobook.mp3")

    if success:
        print("Audiobook created successfully!")
    else:
        print("Failed to create audiobook")

if __name__ == "__main__":
    main()
```

## TTS Provider Comparison

| Provider | Quality | Cost | API Key Required | Best For |
|----------|---------|------|------------------|----------|
| ElevenLabs | Excellent | Paid | Yes | Professional audiobooks |
| OpenAI TTS | Very Good | Paid | Yes | General purpose |
| gTTS | Good | Free | No | Testing, budget projects |

## Troubleshooting

### "Content appears to be a summary"
- Use `curl` directly instead of web fetch tools
- Verify the URL is correct and accessible
- Check if the site requires JavaScript rendering

### "API key not found"
- Check environment variables: `echo $OPENAI_API_KEY`
- Ensure keys are exported in the shell
- Fall back to gTTS if no paid API keys available

### "Audio chunks don't sound continuous"
- Ensure chunking happens at sentence boundaries
- Consider adding small pauses between sections
- Use consistent voice settings across all chunks

© benchflow-ai · Apache-2.0 · benchflow-ai/skillsbench

Похожие скиллы

Все скиллы по теме «ИИ и ML» →
audiobook-production calesthio Скилл audiobook-production для Claude Code превращает рукописи и длинный текст в многочасовую аудиокнигу с помощью генеративных голосовых инструментов. CX Codex +1 138установок elevenlabs digitalsamba Генерирует речь, звуковые эффекты и музыку через ElevenLabs API. Агент подключает его для озвучки видео, подкастов и игр, транскрибации или клонирования голоса. CX Codex +1 1 800установок elevenlabs-tts glebis Скилл elevenlabs-tts превращает текст в аудиофайл через ElevenLabs API: выбираете голос из пресетов, задаёте стабильность и similarity boost. CX Codex +1 313установок sag openclaw Скилл sag для Claude Code, который озвучивает текст через ElevenLabs прямо из терминала. Генерирует голосовые ответы агента и озвучивает файлы. CX Codex +1 5 200установок threejs-audio-generator majidmanzarpour Скилл threejs-audio-generator генерирует через ElevenLabs звуки, музыку и озвучку для игр на Three.js и встраивает их в проект через Web Audio. CX Codex +1 3 800установок voice-agents sickn33 Скилл voice-agents для Claude Code, Codex, Cursor, Copilot, Gemini CLI и OpenCode — учит агента строить голосовых ИИ-ассистентов. Покрывает два подхода: speech-to-speech через OpenAI Realtime API и конвейер STT→LLM→TTS. CX Codex +1 904установок

Из того же набора22

Весь набор →
first-order-model-fitting Скилл first-order-model-fitting для Claude Code подбирает модель первого порядка по экспериментальному переходному отклику и оценивает K и tau. Анализирует тепловые, электрические и механические системы. CX Codex +1 1установок hex-grid-spatial Скилл hex-grid-spatial для Claude Code считает соседей, расстояние и клетки в радиусе на гексагональной карте с odd-r offset координатами. Используется в логике ходов и зон вокруг юнита. CX Codex +1 1установок python-scala-syntax-mapping Скилл python-scala-syntax-mapping для Claude Code сопоставляет синтаксис Python и Scala, помогая ИИ-агенту переносить функции, циклы и типы данных. CX Codex +1 1установок image-ocr Скилл image-ocr извлекает текст из изображений через Tesseract OCR и Python. Попросите агента обработать скан, скриншот или папку с картинками. CX Codex +1 1установок nanogpt-training Скилл nanogpt-training для Claude Code содержит инструкции для обучения моделей масштаба GPT-2 на 124M параметров на одной GPU с оптимизатором Muon и данными из Hugging Face. CX Codex +1 1установок hierarchical-taxonomy-clustering Скилл hierarchical-taxonomy-clustering для Claude Code объединяет похожие категории из разных источников в многоуровневую таксономию. Анализирует товары по общей структуре категорий. CX Codex +1 1установок senior-data-engineer Скилл senior-data-engineer для Claude и других агентов: помогает проектировать ETL/ELT и стриминговые пайплайны, генерирует Airflow DAG, конфиги Kafka и проверки качества данных. CX Codex +1 1установок vulnerability-csv-reporting Скилл vulnerability-csv-reporting преобразует JSON-отчёты сканеров уязвимостей в плоские CSV-таблицы для аудитов и тикетов. CX Codex +1 1установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой