القائمة
Use when user asks to synthesize speech, convert text to audio, or read text aloud. 讯飞超拟人语音合成 - 支持文本转语音、语音合成（发音人/语速/语调/音量/输出格式）。大模型语音合成技能。语音合成, 文字转语音, 超拟人, TTS.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
生成"黑墨手绘涂鸦"风格的动画架构图/流程图：米色纸面、针管笔墨线、极淡水洗色块、简笔涂鸦图标、序号章、连线上的流动圆点动画、图标微动效。产出单文件自包含动画 HTML（SVG+CSS），可一键导出无缝循环 GIF。当用户想画架构图、流程图、信息图、技术示意图、对比图、pipeline/workflow 可视化，或提到"手绘风""涂鸦风""动图""animated diagram""GIF 架构图"时使用；即使用户没明说要动画，做技术概念科普配图时也应优先考虑本 skill。
Use when user asks to review contracts, detect contract risks, or perform compliance checks. 合同智能审核 - 对合同扫描件、图片合同、双语合同进行完整审核。 覆盖 OCR 识别、条款分析、风险检测、合规校对、翻译摘要全流程。 适用于法务审核、采购合同审查、供应链合规检查等场景。 关键词：合同审核、风险检测、条款分析、合规校对、contract review、risk detection。
Use when user asks to analyze an image, describe image contents, or answer questions about a picture. iFlytek Image Understanding (图片理解) — analyze and answer questions about images using Spark Vision model. WebSocket API, pure Python stdlib, no pip dependencies.
Use when user asks to recognize invoices, extract receipt data, or OCR bills and tickets. Recognize and extract structured data from invoices, receipts, and bills using iFlytek OCR API (科大讯飞票据识别). Supports VAT invoices, taxi receipts, train tickets, toll invoices, medical bills, bank receipts, and more.
ifly-pdf-image-ocr skill supporting both image OCR (AI-powered LLM OCR) and PDF document recognition. Use when user asks to OCR images, extract text from images/PDFs, convert PDF to Word/Markdown, or perform any OCR tasks on images or PDFs. Supports multi-language text extraction, document layout understanding, and various output formats.
Ultra-fast speech transcription using iFLYTEK Speed Transcription API. Transcribe audio files (WAV/PCM/MP3) up to 5 hours in ~20 seconds per hour. Supports Chinese, English, and 202+ Chinese dialects with automatic language detection. Use when user asks to transcribe audio files, convert speech to text, or mentions "speed transcription" or "极速转写".
| name | iflytek-hyper-tts |
| description | Use when user asks to synthesize speech, convert text to audio, or read text aloud. 讯飞超拟人语音合成 - 支持文本转语音、语音合成（发音人/语速/语调/音量/输出格式）。大模型语音合成技能。语音合成, 文字转语音, 超拟人, TTS. |
| metadata | {"homepage":"https://www.xfyun.cn/doc/spark/super%20smart-tts.html","openclaw":"{\"emoji\":\"🎙️\",\"dimensions\":[\"超拟人合成 Skill\",\"超拟人合成（大模型）\"],\"user_instructions\":[\"把这段文案读出来\",\"读出这段文字\",\"把这段话转语音\"],\"requires\":{\"bins\":[\"python3\"],\"env\":[\"XFEI_APP_ID\",\"XFEI_API_KEY\",\"XFEI_API_SECRET\"]},\"primaryEnv\":\"XFEI_API_KEY\"}"} |
将文本转换为超拟人语音。适用于"把这段文案读出来"等语音合成需求。
API 文档：https://www.xfyun.cn/doc/spark/super%20smart-tts.html
--vcn 指定已授权的超拟人发音人，默认使用聆小糖用户直接提供文本，要求语音合成。默认使用系统预设参数。
触发条件：用户指令包含"读出来"、"念出来"、"语音合成"、"转语音"、"文字转语音"等关键词。
默认参数：
x5_lingxiaotang_flow) - 女声，中文普通话，最适合作为默认主音色# 直接合成（使用默认参数）
python3 scripts/xfei_hyper_tts.py --text "你好，欢迎使用讯飞超拟人语音合成！"
# 指定输出文件
python3 scripts/xfei_hyper_tts.py --text "欢迎收听" --output welcome.mp3
# 使用默认发音人聆小糖
python3 scripts/xfei_hyper_tts.py --text "你好" --vcn x5_lingxiaotang_flow
用户明确指定发音人、语速、语调、音量等参数时，按用户指定参数执行。
触发条件：用户明确提到发音人名称/VCN、语速数值、语调/音量调整等。
# 指定发音人（需填写已授权的 vcn 代码，可通过 list_voices 查看）
python3 scripts/xfei_hyper_tts.py --text "你好" --vcn x5_lingfeiyi_flow
# 调整语速
python3 scripts/xfei_hyper_tts.py --text "语速稍快" --output fast.mp3 --speed 70
python3 scripts/xfei_hyper_tts.py --text "语速稍慢" --output slow.mp3 --speed 30
# 调整音量和语调
python3 scripts/xfei_hyper_tts.py --text "大声一点" --output loud.mp3 --volume 80
python3 scripts/xfei_hyper_tts.py --text "音调高低" --output pitch_test.mp3 --pitch 60
⚠️ 重要说明：讯飞超拟人API不支持 --language、--style、--emotion 参数。语言和方言通过**选择不同发音人(VCN)**来实现。
# 中文普通话（默认）
python3 scripts/xfei_hyper_tts.py --text "你好"
# 英语
python3 scripts/xfei_hyper_tts.py --text "Hello" --vcn x5_EnUs_Grant_flow
# 天津话
python3 scripts/xfei_hyper_tts.py --text "干嘛" --vcn x4_zijin_oral
# 东北话
python3 scripts/xfei_hyper_tts.py --text "嘎哈呢" --vcn x4_ziyang_oral
python3 scripts/xfei_hyper_tts.py --action list_voices
Skill 默认只开放以下 7 个精选发音人，避免全部暴露：
| 姓名 | VCN | 性别 | 语言 | 适用场景 |
|---|---|---|---|---|
| 聆小糖 | x5_lingxiaotang_flow | 女声 | 中文普通话 | 默认主音色，适合语音助手 |
| 聆飞瀚 | x6_lingfeihan_pro | 成年男 | 中文普通话 | 纪录片、偏正式表达场景 |
| 温暖磁性男声 | x6_wennuancixingnansheng_mini | 成年男 | 中文普通话 | 角色配音、客服场景 |
| Grant | x5_EnUs_Grant_flow | 男 | 英语美式 | 英文场景 |
| Lila | x5_EnUs_Lila_flow | 女 | 英语美式 | 英文场景 |
| 天津话 | x4_zijin_oral | 成年男 | 天津话 | 方言场景 |
| 东北话 | x4_ziyang_oral | 成年男 | 东北话 | 方言场景 |
说明：语言/方言通过选择不同发音人(VCN)来实现，而非 --language 参数。
以下发音人为官方提供的免费发音人，无需额外开通：
| 姓名 | VCN | 性别 | 语言 |
|---|---|---|---|
| 聆小璇 | x5_lingxiaoxuan_flow | 成年女 | 中文普通话 |
| 聆飞逸 | x5_lingfeiyi_flow | 成年男 | 中文普通话 |
| 聆小玥 | x5_lingxiaoyue_flow | 成年女 | 中文普通话 |
| 聆玉昭 | x5_lingyuzhao_flow | 成年女 | 中文普通话 |
| 聆玉言 | x5_lingyuyan_flow | 成年女 | 中文普通话 |
其余发音人（x6_pro/x6_mini 等系列）需在控制台单独开通授权后才可使用。完整发音人列表见官方文档。
| 参数 | 说明 | 默认值 |
|---|---|---|
--text | 要合成的文本内容（与 --text_file 二选一） | - |
--text_file | 文本文件路径（与 --text 二选一） | - |
--output | 输出文件路径 | output.mp3 |
--vcn | 发音人 VCN 代码 | x5_lingxiaotang_flow（聆小糖） |
--speed | 语速 0-100（0=半速，50=正常，100=双倍） | 50 |
--volume | 音量 0-100（0=静音，50=正常，100=双倍） | 50 |
--pitch | 语调 0-100（0=低，50=正常，100=高） | 50 |
--encoding | 音频格式：lame(MP3) | lame |
--sample_rate | 采样率：8000 / 16000 / 24000 | 24000 |
--role | ⚠️ 角色（部分发音人支持，可能返回10163） | - |
合成成功：
{
"success": true,
"output_path": "/absolute/path/to/output.mp3",
"encoding": "lame",
"vcn": "x5_lingxiaotang_flow",
"voice_name": "聆小糖",
"text_length": 20,
"total_size_bytes": 45312,
"total_size_kb": 44.25,
"frames": 12,
"parameters_used": {
"speed": 50,
"volume": 50,
"pitch": 50,
"sample_rate": 24000
}
}
答： 在传统语音合成的基础上，超拟人语音合成进一步提升了语音的自然度和表现力～ 🌟 它能精准模拟人类的副语言现象，如呼吸、叹气、语速变化等，使得语音不仅流畅自然，更富有情感和生命力！✨ 简单来说，就是让AI的声音更像真人说话那样有感情～ 🎤
答： 支持合成以下格式的音频哦～ 🎶
| 格式 | encoding 参数值 | 文件扩展名 |
|---|---|---|
| MP3 | lame | .mp3 |
| PCM | raw | .pcm |
| Speex | speex / speex-wb | .spx |
| Opus | opus / opus-wb / opus-swb | .opus |
💡 小提示：如果需要处理这些音频格式，可以使用 FFmpeg、Audibility 等音频工具～
答： 只需要将 implicit_watermark 参数设置为 true 就可以啦～
当音频编码设置为 lame（MP3） 时，查看MP3的元数据信息，会发现这样的标识：
Metadata: {"AIGC":{
"Label":"1",
"ContentProducer":"001191340000711771143J00000",
"ProduceID":"ase00018773@dx19c4b750907b867772", ← 这是本次请求对应的 sid 哦～
"ContentPropagator":"001191340000711771143J00000",
"PropagateID":"%!s(MISSING)"
}}
📌 注意：除了
ProduceID是本次请求对应的 sid，其他字段都是固定的～
调用失败时，请参照以下表格进行处理哦～ 🔧
| 错误码 | 说明 | 处理建议 |
|---|---|---|
| ❌ | 未配置环境变量 | 嗨呀～还没配置讯飞API凭证呢！请设置 XFEI_APP_ID、XFEI_API_KEY、XFEI_API_SECRET 这三个环境变量哦～ |
| 10009 | 输入数据非法 | 检查一下输入的数据吧～可能包含特殊字符或非法格式呢 🤔 |
| 10010 | 没有授权许可或授权数已满 | 抱歉，当前应用没有权限或配额用完啦！请联系讯飞提交工单处理哦～ |
| 10019 | session 超时 | 会话超时啦！检查一下数据是否发送完毕但没有关闭连接呢 🔌 |
| 10043 | 音频解码失败 | 音频解码出错了～请检查编码参数是否正确设置呢～ |
| 10114 | session 超时 | 会话时间超过60秒啦！加快发送速度试试看哦 ⏱️ |
| 10139 | 参数错误 | 参数写错了呢～请检查一下参数是否正确吧～ |
| 10160 | 请求数据格式非法 | 请求数据格式不对哦～确保发送的是合法的JSON数据吧 📝 |
| 10161 | base64 解码失败 | 数据编码有问题！确保发送的数据已经过base64编码啦～ |
| 10163 | 参数校验失败 | 常见原因：发音人不支持该参数哦（比如某些发音人不支持 role 参数） 💡 |
| 10200 | 读取数据超时 | 超过10秒没发送数据就会超时哦～保持流畅输入吧 ⏰ |
| 10222 | 数据超限 | 上传数据超过接口上限啦！或者检查一下SSL证书呢 🔒 |
| 10223 | lb 找不到节点 | 服务器内部问题～请联系讯飞提交工单哦 📮 |
| 10313 | appid 和 apikey 不匹配 | 哎呀，APP_ID 和 API_KEY 不对应呢！去讯飞控制台核对一下吧～ |
| 10317 | 版本非法 | 版本有问题！请联系讯飞技术支持处理哦 🔧 |
| 10700 | 引擎异常 | 引擎出错啦！可以提供 sid 给讯飞提交工单排查哦 🐛 |
| 11200 | 功能未授权 | 没有开通超拟人语音合成服务哦～去讯飞控制台开通一下吧！ |
| 11201 | 每日次数超限 | 今天的调用次数用完啦！可以提交应用审核提额，或联系商务购买企业版哦 💰 |
| 11502 | 服务配置错误 | 服务器配置有问题～请联系讯飞提交工单哦 📮 |
| 11503 | 服务内部响应数据错误 | 服务器内部错误～请联系讯飞提交工单哦 📮 |
| 100001~100010 | 调用引擎时出现错误 | 提供 sid 及错误信息，联系讯飞技术人员排查哦 🔧 |
pip install websocket-client>=1.6.0
访问讯飞开放平台创建应用，获取：
如果还没有开通超拟人语音合成服务，可以通过以下链接进行开通或购买哦～
| 链接类型 | 地址 | 说明 |
|---|---|---|
| 🌐 服务控制台 | 讯飞控制台 - 超拟人语音合成 | 开通服务、管理应用、查看用量 |
| 💳 购买套餐 | 讯飞购买页面 | 购买语音包套餐 |
💡 小提示：新用户可能有免费试用额度哦～先去控制台看看能不能白嫖吧！😄
export XFEI_APP_ID="your_app_id"
export XFEI_API_KEY="your_api_key"
export XFEI_API_SECRET="your_api_secret"
--vcn 时使用聆小糖（x5_lingxiaotang_flow），女声，中文普通话--language、--style、--emotion 参数--encoding lame --sample_rate 24000（MP3 / 24kHz）