Edge 神经语音合成
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 @org-eyw2ohcx/sundial-org-awesome-openclaw-skills-edge-tts。
技能介绍
要解决什么问题
当你需要把对话里的文字变成可播放的音频,又不想单独搭 Azure Speech、OpenAI TTS 或买 API Key 时,Edge 神经 TTS 走的是微软 Edge 浏览器同源的在线合成链路,通过 node-edge-tts 调用,默认输出 MP3,并可导出带词级时间轴的字幕 JSON。
技能如何工作
- 意图识别:用户消息或触发词里出现
tts等关键字时进入 TTS 流程;技能会在合成前滤掉这些触发词,避免把「tts」本身读进音频。 - 两条路径:
- 简单场景:调用 Clawdbot 内置 tts 工具,返回 MEDIA: 路径,由 Clawdbot 把音频送到当前通道。
- 需要细调:直接跑捆绑脚本 scripts/tts-converter.js,支持 --voice、--lang、--rate、--pitch、--volume、--format、--save-subtitles、--output、--proxy、--list-voices 等。
- 持久偏好:
scripts/config-manager.js把常用音色、语言、码率等写入~/.tts-config.json,适合反复用同一套参数。
常用音色示例包括 en-US-MichelleNeural(默认)、zh-CN-XiaoxiaoNeural 等;码率档位从 audio-24khz-48kbitrate-mono-mp3 到 audio-48khz-96kbitrate-stereo-mp3 可按场景选。
适用边界与注意点
- 必须联网;未提供离线合成。
- 默认会把音频写到系统临时目录(如 Unix 下
/tmp/edge-tts-temp/),文件名带唯一后缀,不会自动删除,调用方(如 Clawdbot)应在用完后清理;要长期留存需--output指定路径。 - 走代理时需
--proxy并自行验证连通性;可用npm test或--list-voices排查服务与音色可用性。
使用场景
- 在 Clawdbot 对话里用 tts 触发,把搜索摘要直接合成 MP3 发到当前频道
- 需要中文 Xiaoxiao 或英文 Michelle 音色,把教程稿按 -15% 语速导出给人听
- 演示或播客素材要更高码率,用 tts-converter 指定 stereo 48kHz 输出格式
- 要把旁白同时导出词级字幕 JSON,给剪映或字幕工具做对齐
适合人员
- 运营要在社群 Bot 里把活动文案一键转成语音推送,不想维护付费 TTS 账号
- 外语老师要把课文段落批量转成慢速清晰 MP3 给学生跟读
- 自媒体剪辑需要旁白 MP3 和词级字幕 JSON 在同一工作流里生成
- 在内网环境跑 Agent,只能通过 HTTP 代理访问外网 TTS 的运维工程师