Edge-TTS 技能

概述

通过 Python 库 edge-tts 调用 Microsoft Edge 的神经网络 TTS 服务，生成高质量的文本转语音（TTS）音频。支持多种语言与音色、可调节语速/音调，并支持字幕文件生成（SRT/VTT 格式）。

快速开始

当从触发词或用户请求中检测到 TTS 意图时：

1. 调用 tts 工具（Clawdbot 内置）将文本转换为语音
2. 该工具返回一个 MEDIA: 路径
3. Clawdbot 将音频路由至当前频道

触发词检测

将文本中出现的 "tts" 关键字识别为 TTS 请求。本技能会在转换前自动过滤掉文本中与 TTS 相关的关键词。

高级自定义

使用 Python 脚本

如需更精细的控制，可直接运行随附的脚本：

TTS 转换器

cd scripts
python3 tts_converter.py "Your text" --voice en-US-AriaNeural --rate +10% -o output.mp3
python3 tts_converter.py -f input.txt --voice zh-CN-XiaoxiaoNeural -o output.mp3
python3 tts_converter.py -f input.txt -v zh-CN-YunxiNeural -r "+10%" -o output.mp3 -s output.vtt

可用参数：

• --voice, -v：音色名称（默认值：en-US-MichelleNeural）
• --lang, -l：语言代码（例如：en-US、zh-CN）
• --rate, -r：语速调整（例如：+10%、-20%）
• --volume：音量调整（例如：+0%、-50%）
• --pitch：音调调整（例如：+0Hz、-10Hz）
• --output, -o：输出文件路径（默认：临时文件）
• --subtitles, -s：将字幕保存至文件（支持 .vtt 或 .srt 格式）
• --file, -f：从文件读取待转换文本
• --proxy, -p：代理 URL
• --timeout：接收超时时间（单位：秒，默认值：60）
• --list-voices, -L：列出所有可用音色
• --lang-filter：按语言筛选音色（需配合 --list-voices 使用）

配置管理器

cd scripts
python3 config_manager.py --set voice zh-CN-XiaoxiaoNeural
python3 config_manager.py --set rate "+10%"
python3 config_manager.py --get
python3 config_manager.py --reset

音色选择

常用音色（完整列表请运行 --list-voices）：

英语：

• en-US-MichelleNeural（女声，自然流畅，默认音色）
• en-US-AriaNeural（女声，自然流畅）
• en-US-GuyNeural（男声，自然流畅）
• en-GB-SoniaNeural（女声，英式口音）
• en-GB-RyanNeural（男声，英式口音）

中文：

• zh-CN-XiaoxiaoNeural（女声）
• zh-CN-YunyangNeural（男声，新闻播报风格）
• zh-CN-YunxiNeural（男声，自然流畅）

其他语言：

• es-ES-ElviraNeural（西班牙语）
• fr-FR-DeniseNeural（法语）
• de-DE-KatjaNeural（德语）
• ja-JP-NanamiNeural（日语）
• ar-SA-ZariyahNeural（阿拉伯语）

语速参考指南

语速值采用百分比格式：

• "+0%"：正常语速（默认）
• "-20%" 至 "-10%"：偏慢、清晰（适用于教程、故事朗读、无障碍场景）
• "+10%" 至 "+20%"：略快（适用于摘要类内容）
• "+30%" 至 "+50%"：较快（适用于新闻播报、效率优先场景）

资源

scripts/tts_converter.py

主 TTS 转换脚本，基于 edge-tts 实现。支持自定义音色、语速、音量、音调；支持生成 VTT/SRT 字幕；支持音色列表查询。

scripts/config_manager.py

用于管理用户持久化的 TTS 配置偏好，配置文件存储于 ~/.tts-config.json。

音色测试

可在以下网址试听不同音色并预览音频质量：https://tts.travisvn.com/

安装

pip install edge-tts

工作流程

1. 意图检测：检查用户消息中是否包含 "tts" 触发词或相关关键词
2. 方法选择：对简单请求使用内置 tts 工具；对需定制化需求则使用 scripts/tts_converter.py
3. 音频生成：将目标文本转换为语音
4. 返回结果：tts 工具返回 MEDIA: 路径；Clawdbot 自动完成音频投递

测试

基础测试

cd scripts
python3 tts_converter.py "Hello, this is a test." -o test-output.mp3

中文测试

python3 tts_converter.py "这是一个测试" -v zh-CN-XiaoxiaoNeural -o test-zh.mp3

列出音色

python3 tts_converter.py --list-voices --lang-filter zh

配置测试

python3 config_manager.py --get
python3 config_manager.py --set voice en-US-GuyNeural
python3 config_manager.py --get voice

注意事项

• edge-tts 调用的是 Microsoft Edge 提供的在线 TTS 服务
• 无需 API 密钥（免费服务）
• 默认输出格式为 MP3
• 需保持网络连接
• 支持标准 VTT/SRT 格式的字幕生成
• 临时文件处理：默认情况下，音频文件将保存至系统临时目录，并使用唯一文件名。如需长期保存，请通过 --output 显式指定自定义输出路径。
• TTS 关键词过滤：在文本转语音前自动移除与 TTS 相关的关键词
• 以 Neural 结尾的音色为神经网络合成音色，音质更优