moss-tts-voice

name	moss-tts-voice
description	MOSS-TTS 语音合成与音色克隆工具。生成适合各渠道的音频文件。 触发场景： - 用户要求生成语音、TTS - 用户提到"用我的声音"、"克隆声音"、"MOSS语音" - 需要生成语音文件用于发送 功能：文本转语音、实时克隆、预注册音色、多格式输出
metadata	{"openclaw":{"requires":{"env":["MOSS_API_KEY"],"bins":["python3","ffmpeg"]},"primaryEnv":"MOSS_API_KEY","homepage":"https://studio.mosi.cn","emoji":"🎙️"}}

MOSS-TTS 语音合成

⚠️ 注意：本工具负责生成音频文件，发送到各渠道需要配合其他工具（如 OpenClaw message 工具）

快速开始（3 步）

1. 获取 API Key

访问 https://studio.mosi.cn → 注册/登录 → 控制台 → API 密钥 → 创建

export MOSS_API_KEY="sk-你的密钥"

2. 安装依赖

# 系统依赖
brew install python3 ffmpeg

# Python 依赖
pip3 install requests

3. 生成语音

python3 scripts/tts.py \
  --text "你好，我是MOSS" \
  --channel feishu \
  --json

输出：

{
  "success": true,
  "file": "/tmp/openclaw/moss-tts/voice-xxx.ogg",
  "format": "ogg"
}

---

⚠️ 隐私与安全

API Key 安全

• 不要提交到 Git：将 MOSS_API_KEY 添加到 .gitignore
• 使用环境变量：不要在代码中硬编码密钥
• 定期轮换：建议定期更换 API Key

语音数据上传

• 克隆音色：上传的音频会存储在 MOSS Studio 服务器
• 实时克隆：每次请求都会上传音频数据到 MOSS API
• 数据保留：参考 MOSS Studio 隐私政策

建议：

• 使用公开/非敏感音频进行克隆
• 避免上传包含敏感信息的录音
• 定期清理 MOSS Studio 中不需要的音色

---

功能说明

本工具提供以下功能：

1. 文本转语音 - 将文本转换为自然语音
2. 实时克隆 - 从音频即时克隆声音
3. 预注册音色 - 上传并保存音色供后续使用
4. 格式转换 - 自动转换为适合各渠道的格式

不包含：

• 直接发送到 IM 渠道（需要配合其他工具）
• 音色管理（删除、修改等）

---

使用模式

模式一：实时克隆

python3 scripts/tts.py \
  --text "要说的内容" \
  --reference_audio "参考音频.ogg" \
  --channel feishu

模式二：预注册音色（推荐）

# 1. 上传并克隆
curl -X POST https://studio.mosi.cn/api/v1/files/upload \
  -H "Authorization: Bearer $MOSS_API_KEY" \
  -F "file=@voice.ogg"
# → {"file_id": "YOUR_FILE_ID"}

curl -X POST https://studio.mosi.cn/api/v1/voice/clone \
  -H "Authorization: Bearer $MOSS_API_KEY" \
  -d '{"file_id": "YOUR_FILE_ID", "name": "我的声音"}'
# → {"voice_id": "YOUR_VOICE_ID"}

# 2. 使用（等待 10 秒后）
python3 scripts/tts.py \
  --text "你好" \
  --voice_id "YOUR_VOICE_ID" \
  --channel feishu

---

输出格式

渠道	格式	说明
feishu	ogg (opus)	飞书语音消息格式
telegram	ogg (opus)	Telegram 语音消息格式
whatsapp	ogg (opus)	WhatsApp 语音消息格式
discord	mp3	Discord 文件格式
signal	mp3	Signal 文件格式
slack	mp3	Slack 文件格式

---

参数说明

参数	说明	必填
--text	待合成文本	✅
--reference_audio	参考音频（实时克隆）	二选一
--voice_id	预注册音色 ID	二选一
--channel	目标渠道	❌
--format	输出格式	❌
--output	输出路径	❌
--json	JSON 输出	❌

---

音频要求

• 格式: ogg, mp3, wav, m4a
• 时长: 10-30 秒（推荐 20 秒以上）
• 音质: 清晰人声，无背景噪音
• 大小: < 10MB

---

常见问题

Q: 如何发送生成的语音？

本工具只生成音频文件。发送需要：

1. 使用返回的文件路径
2. 配合 OpenClaw message 工具或其他方式发送

Q: 飞书发送后是文件而不是语音？

确保音频格式正确：

file voice.ogg
# 应显示: Ogg data, Opus audio

Q: 克隆效果不好？

• 时长 20 秒以上
• 清晰人声，无噪音
• 正常语速

---

API 端点

用途	端点
文本转语音	POST /v1/audio/tts
上传文件	POST /api/v1/files/upload
克隆音色	POST /api/v1/voice/clone
查询音色	GET /api/v1/voices

---

详细文档

• API 技术细节
• 渠道格式说明
• 问题排查

---

版本: 1.2.0 | 更新: 2026-03-10