Agent Skills
返回列表
Cartesia 低延迟语音生成 JavaScript SDK

Cartesia 低延迟语音生成 JavaScript SDK

AI Agent 更新于 2026.08.30

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_3c6cb52e/cartesia-javascript-sdk-low-latency-voice-generation。

技能介绍

要解决什么问题

在 Agent 或命令行工具里集成语音输出时，直接对接 Cartesia 的 HTTP API 意味着要自己处理鉴权、流式响应解析、音频缓冲和错误重试，代码重复且容易在延迟上踩坑。这个技能把官方 Cartesia JavaScript SDK 的接入路径整理成标准化的 ASE 技能，让 Agent 以结构化方式完成文本到语音（TTS）调用，而不是临时拼凑请求。

技能如何工作

  • 底层基于官方 @cartesia/cartesia-js 包，直接调用 Cartesia 托管的语音模型，无需本地加载模型权重
  • 覆盖文本到语音与语音 API 两类工作流，适合需要程序化语音生成和低延迟语音响应的场景
  • 运行环境为 Node.js 或 TypeScript，技能内附从上游 README 提取的 api.md，提供完整 API 说明
  • 当运行时可访问 Node 的 fs 模块时，上游建议使用 fs.createReadStream() 读取音频输入，避免一次性读入大文件

适用边界与注意点

  • 这不是自研模型封装，只是对官方 SDK 的整理包装，所有语音能力来自 Cartesia 托管服务，依赖其可用性与配额
  • 需自行安装 @cartesia/cartesia-js 并配置凭据，技能本身不内置依赖管理
  • 上游文档提取自 GitHub 仓库 README，接口行为以 Cartesia 官方文档为准，升级 SDK 时需要重新核对

截图预览

使用场景

  • Agent 对话链路中需要将短文本即时合成语音并流式返回
  • 构建客服语音机器人时需按 Cartesia 托管模型生成低延迟响应
  • 为 CLI 工具添加语音输出，把命令结果转为程序化语音播报
  • 批量处理文档或消息队列中的文本，统一走 TTS 生成音频

适合人员

  • 构建对话式 Agent 的后端工程师，需在 Node.js 中集成 Cartesia TTS 流式响应
  • 开发语音客服机器人的工程师，要把文本回复低延迟转为托管模型语音
  • 为命令行工具或自动化脚本添加语音输出的开发者，需要程序化生成播报
  • 处理批量文档转语音的工程师，关注流式音频与 Node fs 文件读取实践