Agent Skills
返回列表
小米本地语音合成

小米本地语音合成

设计多媒体 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_2e3aa695/xiaomi-local-tts

技能介绍

要解决的问题

很多实际场景里，程序生成的文字需要变成语音：实时播报告警信息、批量生成有声书章节、给语音助手提供合成出口。通用云 TTS 往往依赖固定服务地址和账号体系，而这个技能把小米自研的 TTS 引擎封装成本地命令行工具，让文本文件到 .wav 音频的转换变成一条本地命令。

核心能力

  • 本地执行：调用 scripts 目录下的 XiaomiTTS.exe，把 .txt 文本文件合成为 WAV 音频
  • 文件驱动：输入必须是文本文件路径，不支持直接传字符串参数；文件要求 UTF-8 编码，可混合中英文
  • 流式合成：需要「边生成边播放」时追加 --stream 标志，降低首包延迟，内存占用也更低
  • 输出可控：默认输出与输入同名加 .wav，也支持自定义输出路径
  • 性能指标：非流式模式约 15 字符/秒，输出为 16kHz 单声道 WAV，每秒音频约 10KB

执行流程

技能遵循固定步骤：解析输入文件路径、输出路径与流式标志 → 检查 MIMO_API_KEY 环境变量 → 校验输入文件存在且可读 → 构建命令 XiaomiTTS.exe [input_file] [output_file]（流式时追加 --stream）→ 通过系统 Shell 执行并捕获进度，最后确认输出文件生成成功。

适用边界与注意点

  • 需要预先下载并重命名 XiaomiTTS.exe，宿主环境必须安装 .NET 9.0 运行时
  • MIMO_API_KEY 为必填环境变量，缺失时会直接报错
  • 每次合成建议不超过 10000 字符，输入必须是纯文本 .txt
  • 合成过程需要联网调用 TTS 服务，且建议单进程使用，避免并发调用
  • 该技能只做文本转语音，摘要、翻译等纯文本任务不在其范围内

使用场景

  • 开发告警播报脚本时，需要把日志生成的 UTF-8 文本文件立即读出来，边生成边播放
  • 批量制作有声书章节，把每章纯文本 `.txt` 合成为 16kHz 单声道的 WAV 音频文件
  • 为语音助手搭建文本出口，将固定目录下的 `.txt` 指令内容转成 `.wav` 并指定输出路径
  • 演示语音合成效果时，需要用小米 TTS 引擎按约 15 字符/秒的速度朗读一段中英文混合文本

适合人员

  • 做告警播报的运维，需要把日志文本自动读出来并在值班室播放
  • 负责有声书流水线的内容工程师，要把大量 `.txt` 章节稳定转成 WAV
  • 开发本地语音助手的后端工程师，寻找替代云端 TTS 的本地执行方案
  • 在树莓派或低配主机上跑 TTS 的 hobbyist，关心流式模式的内存占用