| name | voice-to-me |
| description | 将回复生成 MP3 语音并通过 QQ 发送。用户要求语音回复、音频回复、朗读、“语音回复”、“发语音”、“读给我听”,或希望答案以语音形式交付时使用 |
| version | 1.0.0 |
| dependencies | ["python3","ffmpeg","edge-tts>=7.0,<8"] |
| repository | https://github.com/gitByEOS/open-part-skills |
语音回复
将回答整理为简洁自然的口语稿,在当前会话工作区生成 MP3,并通过 QQ 返回
依赖
python3 -m pip install "edge-tts>=7.0,<8"
系统还须安装 ffmpeg,用于默认降噪和追加尾部静音
生成音频
- 保持朗读文本自然,移除 Markdown 语法、不应朗读的 URL、文件标签和模型或会话元数据。
- 输出必须位于当前工作目录,QQ 网关才能接收。默认路径为
.qq-voice/reply-<timestamp>.mp3
- 从可用 Skills 列表中获取本 Skill 的目录路径,然后运行:
python3 "<skill-dir>/scripts/voice_to_me.py" \
--text "要朗读的内容" \
--output "$PWD/.qq-voice/reply-$(date +%Y%m%d-%H%M%S).mp3"
默认人设配置:xiaoyi(zh-CN-XiaoyiNeural)、+7Hz 音高和 --rate 1.13(+13% 语速)。仅当用户明确偏好更成熟的声音时,才使用 --voice xiaoxiao
| 参数 | 默认值 | 说明 |
|---|
--voice | xiaoyi | 音色;用户明确偏好成熟音色时使用 xiaoxiao |
--rate | 1.13 | 语速,范围 0.5–2.0 |
--tail-silence | 0.5 | 语音结尾静音秒数,范围 0–5 |
--denoise | 开启 | 轻度高通、去齿音、低通,抑制低频隆隆声与高频嘶声 |
--no-denoise | 关闭降噪 | 仅在用户要求保留原始音色时使用 |
对于较长或含 Shell 特殊字符的文本,将朗读内容保存到会话工作区,再使用 --text-file <path> 代替 --text
默认开启轻度降噪,并通过 MP3 流复制追加尾部静音,避免为停顿而二次编码。降噪会额外消耗少量 CPU 并重新编码音频;它不一定能消除合成语音本身的高频纹理,因此需要保留原始音色时使用 --no-denoise
通过 QQ 返回
成功生成后,在最终回复中单独另起一行添加以下标签:
<qqvoice>/absolute/path/to/reply.mp3</qqvoice>
- 使用脚本打印的绝对路径。不要将该标签置于 Markdown 代码块中
- 语音回复时不需要回复其他文字