英语作文语音朗读 (MiMo TTS)

要解决什么问题

英语听读练习往往卡在「材料从哪来」：学生写完作文或老师批改后的范文，很少有人愿意再录一遍音。把同一段文字变成可反复播放的朗读，还要跟作文的情绪（记叙、议论、悬疑）大致匹配，手工选音色和语速也很费事。

技能如何工作

技能接收粘贴的英文正文，或用户上传的手写/印刷作文照片。图片路径会先走 Read 工具做 OCR，把转写结果展示给用户核对，避免臆造看不清的字句。

接着通读全文，判断主导情感基调（如温暖叙事、严肃正式、紧张悬疑等），用一句话告知用户，并按预设表推荐英文音色（Mia、Chloe、Milo、Dean）与自然语言风格指令；音色与风格由用户最终确认或改写。

合成阶段调用 bundled 脚本 tts_mimo.py，对接官方 MiMo-V2.5-TTS（https://api.xiaomimimo.com/v1）。API Key 首次缺失时会引导用户在平台申请，并可本地保存到 skill 目录外的 ~/.workbuddy/english-essay-tts/config.json（权限 600），不在对话中回显密钥。成功后通过 present_files 把 .mp3/.wav 直接呈现在对话里，而不是只报路径。

适用边界与注意点

• 英文作文应使用上表中的显式英文 preset 音色，不要依赖默认 mimo_default（国内集群偏中文）。
• 单次请求建议控制在约 800 词以内；更长作文需按段落拆分多次合成。
• 平台免费额度与限流以小米 MiMo 控制台为准；HTTP 错误需根据返回信息排查密钥或配额。
• 情感表现主要靠细化 --style 或自然语言风格说明，而非换模型。