telegram-offline-voice

name	telegram-offline-voice
description	本地生成 Telegram 语音消息，无需 API Token。
metadata	{"openclaw":{"emoji":"🎙️","os":["linux"],"requires":{"bins":["ffmpeg","edge-tts"]}}}

telegram-offline-voice 🎙️

本地生成，无需 Token — 使用 Microsoft Edge-TTS 生成高质量中文语音，完全离线处理，无需申请任何 API Key。

特性

• 🔒 完全本地：无需 OpenAI / Google / Azure 等云服务 Token
• 🎯 零成本：Edge-TTS 免费使用，无调用限制
• 🗣️ 高质量声线：默认使用微软晓晓 (zh-CN-XiaoxiaoNeural)
• 📱 Telegram 原生支持：输出格式符合语音气泡标准

安装依赖

# Edge-TTS
pip install edge-tts

# FFmpeg (Debian/Ubuntu)
apt install ffmpeg

使用方法

# 1. 生成原始音频
edge-tts --voice zh-CN-XiaoxiaoNeural --rate=+5% --text "你好，这是测试" --write-media raw.mp3

# 2. 转换为 Telegram 语音格式
ffmpeg -y -i raw.mp3 -c:a libopus -b:a 48k -ac 1 -ar 48000 -application voip voice.ogg

技术规范

文本格式清洗

生成语音前需清洗文本，避免朗读出标记符号：

需移除	示例
Markdown 标记	**加粗**、`代码`、# 标题
URL 链接	https://example.com
特殊符号	---、***、>>>

清洗示例：

# 简单清洗（去除常见 Markdown）
TEXT=$(echo "$RAW_TEXT" | sed 's/\*\*//g; s/`//g; s/^#\+ //g')

Telegram 语音气泡格式

Telegram 要求语音消息使用 OGG Opus 格式，否则会显示为文件而非语音气泡：

ffmpeg -i input.mp3 -c:a libopus -b:a 48k -ac 1 -ar 48000 -application voip output.ogg

参数说明：

参数	值	说明
-c:a	libopus	Telegram 要求的编码器
-b:a	48k	音频比特率
-ac	1	单声道（语音标准）
-ar	48000	采样率 48kHz
-application	voip	针对语音优化

可用声线

# 查看所有中文声线
edge-tts --list-voices | grep zh-CN

推荐：

• zh-CN-XiaoxiaoNeural — 女声，自然亲和（默认）
• zh-CN-YunxiNeural — 男声，沉稳专业
• zh-CN-XiaoyiNeural — 女声，活泼年轻

语速调节

# 加速 5%
edge-tts --rate=+5% --text "..." --write-media out.mp3

# 减速 10%
edge-tts --rate=-10% --text "..." --write-media out.mp3

致谢

由 @sanwecn 调优并维护。