volcengine-tts

name	volcengine-tts
description	使用火山引擎语音合成API将文字转换为语音,支持多种音色和语速调节。
allowed-tools	Bash(python:*), Read, Write

火山引擎 TTS 文字转语音

通过火山引擎语音合成 API 将文字转换为高质量语音音频。

快速开始

环境配置

设置火山引擎 AppId 和 Access Token：

export VOLC_TTS_APPID="your_app_id"
export VOLC_TTS_ACCESS_TOKEN="your_access_token"

或创建 .env 文件（放在 skill 根目录）：

VOLC_TTS_APPID=your_app_id
VOLC_TTS_ACCESS_TOKEN=your_access_token

获取凭证

1. 访问 https://console.volcengine.com/speech/app
2. 创建语音技术应用
3. 开通"语音合成"服务
4. 获取 AppId 和 Access Token

基础使用

cd .claude/skills/volcengine-tts
python scripts/tts.py "你好，欢迎使用火山引擎语音合成服务"

指定音色

# 使用通用女声（默认）
python scripts/tts.py "今天天气真好" --voice BV001_streaming

# 使用阳光男声
python scripts/tts.py "今天天气真好" --voice BV056_streaming

# 使用音色别名
python scripts/tts.py "今天天气真好" --voice yangguang

调整语速和音量

# 语速1.2倍，音量1.5倍
python scripts/tts.py "这是一段测试文字" --speed 1.2 --volume 1.5

工作流建议

当用户请求文字转语音时，遵循以下流程：

Step 1: 理解需求

与用户确认：

• 要转换的文字内容
• 音色偏好（男声/女声/特定风格）
• 语速和音量要求
• 输出格式（mp3/wav/pcm）

Step 2: 选择音色

根据用户需求选择合适的音色（通用版）：

• 通用女声：BV001_streaming 或 --voice female
• 通用男声：BV002_streaming 或 --voice male
• 阳光男声：BV056_streaming 或 --voice yangguang
• 温柔小哥：BV033_streaming 或 --voice wenrou
• 儒雅青年：BV102_streaming 或 --voice ruya

Step 3: 调用脚本

cd .claude/skills/volcengine-tts
python scripts/tts.py "文字内容" --voice 音色ID --output output.mp3

Step 4: 返回结果

脚本会生成音频文件并输出文件路径，将结果返回给用户。

命令行参数

参数	说明	默认值
text	要转换的文字	必填
--voice	音色ID或别名	BV001_streaming
--speed	语速(0.5-2.0)	1.0
--volume	音量(0.5-2.0)	1.0
--pitch	音调(0.5-2.0)	1.0
--format	输出格式: mp3/wav/pcm	mp3
--output	输出文件路径	tts_[timestamp].mp3
--encoding	文本编码	utf-8

常用音色列表

通用版音色（推荐）

音色ID	别名	说明
BV001_streaming	female	通用女声（默认）
BV002_streaming	male	通用男声
BV056_streaming	yangguang	阳光男声
BV033_streaming	wenrou	温柔小哥
BV102_streaming	ruya	儒雅青年

依赖安装

cd .claude/skills/volcengine-tts
pip install -r scripts/requirements.txt

在 Claude Code 中使用

在 Claude Code 中直接说：

把这段文字转成语音：今天是个好日子
用男声朗读这段文字
帮我生成一段语音，内容是...

Claude 会自动调用该 skill 为你生成语音。

技术细节

• API文档: https://www.volcengine.com/docs/6561/79820
• API端点: https://openspeech.bytedance.com/api/v1/tts
• 协议: HTTP POST
• 采样率: 24000Hz
• 认证: Bearer Token (Bearer;{token})
• 返回格式: JSON (音频为 Base64 编码)

注意事项

1. 单次请求文本长度建议不超过500字
2. 长文本会自动分段处理
3. 生成的音频文件保存在指定目录
4. 请合理使用API调用次数

故障排查

如果遇到问题：

1. 确认 AppId 和 Access Token 已正确设置
2. 检查网络连接是否正常
3. 确认账号已开通语音合成服务
4. 查看错误信息中的详细提示