| name | generate-tts |
| description | 使用 edge-tts（免费）、OpenAI TTS 或 Fish Audio TTS 将旁白文案转换为音频文件。当片段缺少 audio 字段、用户要求生成配音、或需要将脚本合成语音时使用。 |
generate-tts
将文本转换为 MP3 音频文件，并输出实际音频时长。
脚本用法
python skills/generate-tts/scripts/tts.py \
--text "要朗读的文案" \
--output 输出音频路径.mp3 \
[--voice 音色名称] \
[--provider edge-tts|openai|fish] \
[--config config.yaml]
参数说明：
--text — 旁白文案（用引号包裹）--output — 输出 MP3 路径（目录不存在时自动创建）--voice — TTS 音色名（覆盖 config 中该语言的默认音色）--provider — edge-tts、openai 或 fish（覆盖 config 设置）--config — config.yaml 路径（默认：当前目录下的 config.yaml）
标准输出（JSON）：
{"path": "projects/myvideo/audio/slide_01.mp3", "duration_seconds": 8.4}
工作流
对每个缺少 audio 字段的片段：
- 确认片段有
text 字段，没有则先生成文案。
- 确定音色：
--voice 参数 → config 中 tts_voice。通常只传 --config，音色由 config 统一管理。
- 执行脚本，保存到
projects/{name}/audio/slide_{index:02d}.mp3。
- 更新
project.yaml：将返回的路径写入 audio，将 duration_seconds 写入 duration。
音色选择
edge-tts（免费，默认）：
- 中文：
zh-CN-XiaoxiaoNeural（温柔女声）、zh-CN-YunxiNeural（男声）、zh-CN-YunyangNeural（播音男声）
- 英文：
en-US-AriaNeural、en-US-GuyNeural、en-GB-SoniaNeural
OpenAI TTS：
- 音色：
alloy、echo、fable、onyx、nova、shimmer
- 使用前需在
config.yaml 中设置 openai_api_key。
Fish Audio TTS：
tts_voice 填写 Fish Audio 的 reference_id（在 fish.audio 平台声音模型页面 URL 中获取）- 不填则使用平台默认声音（S1 模型）
- 使用前需在
config.yaml 中设置 fish_api_key，或设置环境变量 FISH_API_KEY
config.yaml 示例：
tts_provider: fish
fish_api_key: "your_key"
tts_voice: "2d25cc5dfbdc45cb996d2b200a6b72a1"
文案长度说明
- edge-tts 无硬性字符限制，超长文本会流式处理。
- OpenAI TTS：每次最多 4096 个字符。更长的文本会自动按句子边界拆分，再将各段音频拼接。
- Fish Audio TTS：单次请求无严格字符限制，建议控制在合理长度内。
常见错误与修复
| 错误信息 | 原因 | 修复方法 |
|---|
ModuleNotFoundError: No module named 'edge_tts' | Python 依赖未安装 | 在项目根目录执行 uv sync（或 pip install edge-tts） |
edge-tts: connect call failed / aiohttp.ClientConnectorError | 网络问题，edge-tts 需要访问微软服务器 | 检查网络，必要时尝试切换到 --provider openai |
AuthenticationError / Incorrect API key | OpenAI API Key 无效 | 检查 config.yaml 中的 openai_api_key |
fish_api_key not set | Fish Audio Key 缺失 | 在 config.yaml 中添加 fish_api_key 或设置环境变量 FISH_API_KEY |
Voice not found | 音色名称错误 | edge-tts 运行 python -m edge_tts --list-voices 查看所有可用音色 |
| 生成的音频只有 0 秒 | 文本为空或只有空白字符 | 确认 project.yaml 对应片段的 text 字段不为空 |
