voice-to-me

name	voice-to-me
description	将回复生成 MP3 语音并通过 QQ 发送。用户要求语音回复、音频回复、朗读、“语音回复”、“发语音”、“读给我听”，或希望答案以语音形式交付时使用
version	1.0.0
dependencies	["python3","ffmpeg","edge-tts>=7.0,<8"]
repository	https://github.com/gitByEOS/open-part-skills

语音回复

将回答整理为简洁自然的口语稿，在当前会话工作区生成 MP3，并通过 QQ 返回

依赖

python3 -m pip install "edge-tts>=7.0,<8"

系统还须安装 ffmpeg，用于默认降噪和追加尾部静音

生成音频

1. 保持朗读文本自然，移除 Markdown 语法、不应朗读的 URL、文件标签和模型或会话元数据。
2. 输出必须位于当前工作目录，QQ 网关才能接收。默认路径为 .qq-voice/reply-<timestamp>.mp3
3. 从可用 Skills 列表中获取本 Skill 的目录路径，然后运行：

python3 "<skill-dir>/scripts/voice_to_me.py" \
  --text "要朗读的内容" \
  --output "$PWD/.qq-voice/reply-$(date +%Y%m%d-%H%M%S).mp3"

默认人设配置：xiaoyi（zh-CN-XiaoyiNeural）、+7Hz 音高和 --rate 1.13（+13% 语速）。仅当用户明确偏好更成熟的声音时，才使用 --voice xiaoxiao

参数	默认值	说明
--voice	xiaoyi	音色；用户明确偏好成熟音色时使用 xiaoxiao
--rate	1.13	语速，范围 0.5–2.0
--tail-silence	0.5	语音结尾静音秒数，范围 0–5
--denoise	开启	轻度高通、去齿音、低通，抑制低频隆隆声与高频嘶声
--no-denoise	关闭降噪	仅在用户要求保留原始音色时使用

对于较长或含 Shell 特殊字符的文本，将朗读内容保存到会话工作区，再使用 --text-file <path> 代替 --text

默认开启轻度降噪，并通过 MP3 流复制追加尾部静音，避免为停顿而二次编码。降噪会额外消耗少量 CPU 并重新编码音频；它不一定能消除合成语音本身的高频纹理，因此需要保留原始音色时使用 --no-denoise

通过 QQ 返回

成功生成后，在最终回复中单独另起一行添加以下标签：

<qqvoice>/absolute/path/to/reply.mp3</qqvoice>

• 使用脚本打印的绝对路径。不要将该标签置于 Markdown 代码块中
• 语音回复时不需要回复其他文字