speech-synthesis

<!-- Localized from: edge-tts --> # Edge-TTS 技能 ## 概述 使用 node-edge-tts npm 包调用微软 Edge 神经网络语音服务，生成高质量的文字转语音音频。支持多种语言、多种音色、可调节语速/音调，以及字幕生成。 ## 快速开始 当检测到触发词或用户发出 TTS 请求时： 1. **调用 tts 工具**（Clawdbot 内置），将文本转换为语音 2. 工具返回一个 MEDIA: 路径 3. Clawdbot 将音频发送到当前频道 ```javascript // 示例：使用内置 tts 工具 tts("要转换为语音的文本") // 返回：MEDIA: /path/to/audio.mp3 ``` ## 触发检测 识别 "tts" 关键词作为 TTS 请求。该技能会自动过滤文本中的 TTS 相关关键词，避免将触发词本身也转换为语音。 ## 高级自定义 ### 使用 Node.js 脚本 如需更精细的控制，可直接使用内置脚本： #### TTS 转换器 ```bash cd scripts npm install node tts-converter.js "要转换的文本" --voice en-US-AriaNeural --rate +10% --output output.mp3 ``` **参数说明：** - `--voice, -v`：音色名称（默认：en-US-AriaNeural） - `--lang, -l`：语言代码（如 en-US、es-ES） - `--format, -o`：输出格式（默认：audio-24khz-48kbitrate-mono-mp3） - `--pitch`：音调调节（如 +10%、-20%、default） - `--rate, -r`：语速调节（如 +10%、-20%、default） - `--volume`：音量调节（如 +0%、-10%、default） - `--save-subtitles, -s`：将字幕保存为 JSON 文件 - `--output, -f`：输出文件路径（默认：tts_output.mp3） - `--proxy, -p`：代理地址（如 http://localhost:7890） - `--timeout`：请求超时时间（毫秒，默认：10000） - `--list-voices, -L`：列出可用音色 #### 配置管理器 ```bash cd scripts npm install node config-manager.js --set-voice en-US-AriaNeural node config-manager.js --set-rate +10% node config-manager.js --get node config-manager.js --reset ``` ### 音色选择 常用音色（使用 `--list-voices` 查看完整列表）： **英语：** - `en-US-MichelleNeural`（女声，自然风格，**默认**） - `en-US-AriaNeural`（女声，自然风格） - `en-US-GuyNeural`（男声，自然风格） - `en-GB-SoniaNeural`（女声，英式英语） - `en-GB-RyanNeural`（男声，英式英语） **其他语言：** - `es-ES-ElviraNeural`（西班牙语，西班牙） - `fr-FR-DeniseNeural`（法语） - `de-DE-KatjaNeural`（德语） - `ja-JP-NanamiNeural`（日语） - `zh-CN-XiaoxiaoNeural`（中文） - `ar-SA-ZariyahNeural`（阿拉伯语） ### 语速指南 语速值使用百分比格式： - `"default"`：正常语速 - `"-20%"` 至 `"-10%"`：较慢、清晰（适合教程、故事、无障碍场景） - `"+10%"` 至 `"+20%"`：略快（适合摘要） - `"+30%"` 至 `"+50%"`：较快（适合新闻、追求效率的场景） ### 输出格式 根据使用场景选择音频质量： - `audio-24khz-48kbitrate-mono-mp3`：标准质量（语音消息、即时通讯） - `audio-24khz-96kbitrate-mono-mp3`：高质量（演示文稿、内容创作） - `audio-48khz-96kbitrate-stereo-mp3`：最高质量（专业音频、音乐） ## 资源说明 ### scripts/tts-converter.js 主要的 TTS 转换脚本，基于 node-edge-tts。可生成自定义音色、语速、音量、音调和格式的音频文件，支持字幕生成和音色列表查询。 ### scripts/config-manager.js 管理用户的 TTS 偏好设置（音色、语言、格式、音调、语速、音量），配置保存在 `~/.tts-config.json`。 ### scripts/package.json NPM 包配置文件，包含 node-edge-tts 依赖。 ### references/node_edge_tts_guide.md node-edge-tts npm 包的完整文档，包含： - 按语言分类的完整音色列表 - 韵律参数（语速、音调、音量） - 使用示例（命令行和模块两种方式） - 字幕生成 - 输出格式 - 最佳实践和使用限制 ### 音色试听 可在此网站试听不同音色并预览音频质量：https://tts.travisvn.com/ 需要了解特定音色详情或高级功能时，请参阅上述资源。 ## 安装 使用内置脚本前，请先安装依赖： ```bash cd /home/user/clawd/skills/public/tts-skill/scripts npm install ``` 将安装以下依赖： - `node-edge-tts` - TTS 库 - `commander` - 命令行参数解析 ## 工作流程 1. **识别意图**：检查用户消息中是否包含 "tts" 触发词或关键词 2. **选择方式**：简单请求使用内置 `tts` 工具，需要自定义时使用 `scripts/tts-converter.js` 3. **生成音频**：将目标文本（消息、搜索结果、摘要等）转换为语音 4. **返回用户**：tts 工具返回 MEDIA: 路径，由 Clawdbot 完成音频分发 ## 测试 ### 基本测试 运行测试脚本验证 TTS 功能： ```bash cd /home/user/clawd/skills/public/edge-tts/scripts npm test ``` 将生成一个测试音频文件，并验证 TTS 服务是否正常运行。 ### 音色试听 在此网站试听不同音色并预览音频质量：https://tts.travisvn.com/ ### 集成测试 使用内置 `tts` 工具进行快速测试： ```javascript // 示例：使用默认设置测试 TTS tts("This is a test of the TTS functionality.") ``` ### 配置测试 验证配置持久化功能： ```bash cd /home/user/clawd/skills/public/edge-tts/scripts node config-manager.js --get node config-manager.js --set-voice en-US-GuyNeural node config-manager.js --get ``` ## 故障排查 - **测试连通性**：运行 `npm test` 检查 TTS 服务是否可访问 - **检查音色可用性**：使用 `node tts-converter.js --list-voices` 查看可用音色 - **验证代理设置**：如使用代理，用 `node tts-converter.js "test" --proxy http://localhost:7890` 测试 - **检查音频输出**：测试应在 scripts 目录下生成 `test-output.mp3` 文件 ## 注意事项 - node-edge-tts 使用微软 Edge 在线 TTS 服务（已更新，认证有效） - 无需 API 密钥（免费服务） - 默认输出 MP3 格式 - 需要网络连接 - 支持字幕生成（JSON 格式，包含词级别的时间戳） - **临时文件处理**：默认情况下，音频文件保存在系统临时目录（Unix 系统为 `/tmp/edge-tts-temp/`，Windows 系统为 `C:\Users\<user>\AppData\Local\Temp\edge-tts-temp\`），文件名唯一（如 `tts_1234567890_abc123.mp3`）。文件不会自动删除——调用方（Clawdbot）应在使用后负责清理。如需永久保存，可使用 `--output` 参数指定自定义输出路径。 - **TTS 关键词过滤**：该技能会自动过滤文本中的 TTS 相关关键词（tts、TTS、text-to-speech），避免将触发词本身转换为语音 - 如有常用偏好设置，可使用 `config-manager.js` 设置默认值 - **默认音色**：`en-US-MichelleNeural`（女声，自然风格） - 以 `Neural` 结尾的神经网络音色比标准音色质量更高