| name | tts-voice |
| description | 提供文字转语音(TTS)能力。当用户要求"用语音回复"、"转成语音"、"返回音频"、"语音播报"、"读出来"、"朗读"、"念出来"或有类似输出语音需求时必须触发。 |
TTS 语音生成
基于自动路由设计的智能文字转语音技能。该技能会自动检测你的系统环境,智能选取最适合的转换模块向下兼容。部分依赖模块会在后台自动检测并下载,无需繁琐的手动配置。
功能特性
- 自动路由与降级:
- 首选项(最高优先级):
Qwen3-TTS。该大模型具备顶尖的中英混读音色。但因其体积庞大,系统不会自动安装,如果未检测到环境会自动跳过,将安装主导权交给用户。
- 极速响应(如果可用):
Mac 内置 TTS。如果在 macOS 上且未配置 Qwen,则无缝回调零延迟的内置 Mac/Siri 语音。
- 全平台网络方案:
Microsoft Edge TTS。如果在以上都不可用的系统(比如 Linux)上,系统将自动回退到 Edge 接口。
- 自动安装依赖模块(包括 ffmpeg 与 edge-tts 库等,Qwen 例外)。
- 统一输出通用音频格式(OGG/Opus),兼容大多数播放器。
- 高度模块化:具体转换逻辑已经拆分到
scripts/qwen_tts.sh、scripts/mac_tts.sh 和 scripts/edge_tts.sh。
使用方法
只需要执行统一入口脚本:
{baseDir}/tts.sh "要转换的文字内容" [输出文件名]
示例
{baseDir}/tts.sh "你好,这是自动选择引擎生成的语音" reply_audio
环境定制:Qwen3-TTS(本地大模型高阶玩法)
如果你希望拥有最好的声音效果和中英文混合效果,并且电脑显存充足,可以通过配置 qwen3-tts 虚拟环境来激活首选项。
我们不会替你主动安装这个笨重的大型环境,请查阅 README.md 阅读完整的安装步骤。当按照文档配置好后,tts.sh 即可实现全自动调用!
语音定制(可选环境变量)
默认情况下一切会自动进行,但你也可以手动覆盖:
强制指定引擎(TTS_ENGINE)
可设置 auto (默认), qwen, mac 或 edge:
TTS_ENGINE=edge {baseDir}/tts.sh "强制使用Edge"
定制语音播报员(TTS_VOICE)
1. Mac TTS 音色
如果触发了 Mac 模块,可通过 say -v \? 查看你系统支持的可用声音:
Ting-Ting - 婷婷 (中文)
Mei-Jia - 美佳 (中文)
Samantha - 英文
更换示例:
TTS_VOICE="Samantha" {baseDir}/tts.sh "This is a test" test_audio
2. Edge TTS 音色
如果触发了 Edge 模块:
zh-CN-XiaoxiaoNeural - 晓晓(默认女声)
zh-CN-YunxiNeural - 云希(男声)
zh-CN-YunjianNeural - 云健(男声)
更换示例:
TTS_VOICE="zh-CN-YunxiNeural" {baseDir}/tts.sh "云希的声音" edge_audio
(Qwen-TTS 目前代码写死了使用 female 作为推荐的混读播报系统,但也支持调整内置 Python 模块实现自定义。)
输出格式与存放
- 格式:OGG/Opus
- 采样率:48000 Hz
- 声道:单声道
- 码率:32 kbps
- 产出路径:
{baseDir}/output/[文件名].ogg