melo-tts-metadata-creator
为MeloTTS训练自动生成标准metadata.list文件
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：melo-tts-metadata-creator。 它的用途是：为MeloTTS训练自动生成标准metadata.list文件 完整的 Skill 内容见：https://321skill.com/skills/melo-tts-metadata-creator-x/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“我需要为MeloTTS准备训练数据，音频在./wavs目录，文本在./txts目录。”，它会自动遍历目录，匹配文件，并生成符合格式的metadata.list文件。如果缺少某些文本，你可以接着说：“用Whisper帮我转录缺少的英文音频。”，它会调用转录模型补充文本内容。
介绍
该Skill专门解决用户在准备MeloTTS语音合成模型训练数据时，手动整理元数据文件繁琐且易出错的问题。它能够自动扫描指定目录下的.wav音频文件和对应的.txt转录文本，按照MeloTTS官方要求的格式（音频路径|speaker|语言|文本）生成metadata.list文件，极大简化了数据预处理流程。
使用方式非常灵活。用户只需提供音频和文本文件的路径，Skill即可自动处理。它支持单音色和多音色两种模式：在多音色模式下，它会根据音频文件所在的第一级子目录名称自动识别说话人；在单音色模式下，用户可以通过—speaker参数指定统一的说话人名称。此外，如果缺少转录文本，它还能自动调用Whisper模型为音频生成字幕。
这个Skill非常适合需要微调或训练MeloTTS模型的语音技术开发者、AI应用开发者以及学术研究者。无论是为特定角色创建定制化语音，还是构建多说话人语音库，它都能显著提升数据准备的效率。
在使用时，建议用户确保音频文件命名规范，并且转录文本的编码格式正确。对于需要Whisper转录的场景，请注意网络连接和计算资源，因为转录过程可能需要一定时间。同时，生成的metadata.list文件建议在投入训练前进行抽样检查，以确保格式和内容的准确性。
核心特点
与通用音频处理工具相比，它专为MeloTTS训练流程定制，直接输出其官方标准格式的元数据文件，无需二次转换；同时，它原生支持通过目录结构自动识别多说话人，并集成了Whisper转录作为后备方案，提供了从原始音频到训练就绪元数据的一站式解决方案。
注意事项
不适合处理非标准音频格式或需要复杂语音活动检测（VAD）、音素对齐等高级音频预处理的场景。
常见问题
支持哪些语言的Whisper转录？
支持中文（ZH）、英文（EN）等多种语言，具体取决于所调用的Whisper模型能力。
如何处理wav和txt文件在不同目录的情况？
只需指定两个目录的路径，Skill会自动根据一致的文件名进行匹配，目录结构无需完全相同。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/melo-tts-metadata-creator-x/raw/index.md 读取 melo-tts-metadata-creator 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/melo-tts-metadata-creator-x/raw/index.md（查看排版版本）