Agent Skills
返回列表
文字转语音

文字转语音

设计多媒体 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_c3d829cb/fore-vip-tts。

技能介绍

要解决什么问题

你在对话里已经写好一段旁白、公告或讲义,只想立刻听到读音,而不是让助手先总结、润色或讲解 TTS 原理。常见痛点是:合成前被改字、自动替你选音色、合成完还要你自己找文件落在哪。

本技能把目标收成一件事:用户给什么字,就念什么字,并把结果落成可打开的音频文件(优先进资料库)。

技能如何工作

触发上只认明确意图(如「转语音」「朗读」「念一下」「配音」),闲聊里顺带提到语音不会误触发。

引擎按三级递进:auto 时优先环境内置 TTS,否则用 scripts/tts.py 探测 edge-tts(网络、多音色)或 macOS say(本地);免费都不可用时,读 references/paid-tts-providers.md,经你确认再走付费配置(密钥仅本地)。

音色:可用音色多于 1 个且你没指定时,用 AskUserQuestion 弹窗让你选;同一会话里选过一次会沿用,除非你要求换。

合成:--text 或超长文本 --file 传入原文;脚本返回 JSON(engine、voice、file、bytes)。退出码 2 表示音色不存在需重选,3 表示需走付费兜底。

存储:有资料库 / 网盘能力则上传并回报位置;否则引导配置 IMA 或文档提供方,或保留本地路径——转存前会确认,拒绝上传则只告路径。

边界与注意点

  • 不做语音克隆、声音复刻;不做文本纠错与内容分析。
  • edge-tts 依赖网络,失败会重试一次,仍失败在 macOS 上可降级 say。
  • 单次文本过长(约 5000 字以上)建议先写临时文件再 --file 传入。
  • 对用户的最终回复极简:文件位置 + 音色/引擎一句,不超过 3 行。

使用场景

  • 客服写好违规提醒话术,需要在发给业务前自己听一遍读音是否自然
  • 课程讲稿已在对话框定稿,想生成 MP3 插入到后期剪辑时间轴做粗剪对照
  • 活动主持串词很长,想原样朗读成音频发给现场同事试听节奏
  • 内网文档不能把全文贴外站,只能在当前环境把指定段落合成语音归档

适合人员

  • 每期要录旁白但不改稿的短视频剪辑,需要对话里定稿文字一键出读音
  • 运营在活动前反复试听主持词,要求不自动改字且能切换男声女声
  • 讲师把讲义贴在助手对话里,希望长文走文件合成并落到资料库方便回放
  • macOS 办公环境下常离线,希望无 edge 时自动落到 say 本地引擎