speech-synthesis

name	speech-synthesis
description	将文本转换为高质量语音，支持多语言、多种音色，可调节语速、音调和音量，并生成字幕，输出MP3音频文件。当你需要朗读文本（比如文章、消息）、为视频或演示文稿生成配音，或直接提到“TTS”、“文字转语音”、“配音”、“朗读”时，就会使用这个技能。

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

// 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

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

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：

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：

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：

// 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：

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