Qclaw Speaker

四引擎本地轻量CPU TTS语音播报系统。让 QClaw/OpenClaw 像豆包一样自然开口说话。引擎：Edge TTS（在线微软神经）→ sherpa-onnx Piper（离线13MB ONNX）→ Windows SAPI（离线原生）。支持 11 款中文音色、自动语音播报、引擎智能降级、一键安装。 Use when: 用户说"语音播报"/"说话"/"开口"/"读出来"/"念给我听"/"tts", 要求文字转语音, 需要自动语音回复, 无障碍/驾车/做饭场景。

forhonourlx@forhonourlx

Install

openclaw skills install @forhonourlx/qclaw-speaker

🎙️ QClaw Speaker — 让 AI 自然开口说话

四引擎本地轻量 CPU TTS 语音播报系统。无需 GPU，无需云 API，13MB 模型即可在 CPU 上实时合成中文语音，流畅度媲美云服务。

如果说 video-subtitle-extractor 是给大模型装上了"视频字幕眼睛"，那么 qclaw-speaker 就是给它装上了"嘴巴"，像豆包一样自然开口！

🚀 Quick Start

bash

# 一键安装（2引擎 + 默认音色）
python scripts/install.py

# 说话！
python scripts/speak.py "你好，我是QClaw，很高兴为你服务！"
python scripts/speak.py "大家好" --voice yunxi      # 男声
python scripts/speak.py "离线播报" --engine sherpa   # 本地离线
python scripts/speak.py "系统原生" --engine win       # Windows自带

# 切换默认音色
python scripts/speak.py --set-voice xiao_ya

# 开启自动播报
python scripts/speak.py --auto-speak on

📊 2025-2026 本地轻量 CPU 中文 TTS 模型全景对比

技能内置引擎对比

排名	引擎	大小	RAM	中文	CPU速度	流式	离线	说明
🥇	Edge TTS	0	~50MB	⭐⭐⭐⭐⭐	<1s	✅	❌	微软神经TTS，免费在线
🥈	Sherpa+Piper	13MB	~200MB	⭐⭐⭐⭐	RTF 0.05	✅	✅	ONNX推理，CPU极快
🥉	Windows SAPI	0	~50MB	⭐⭐⭐	<0.1s	❌	✅	系统原生，零配置

其他值得关注的候选（可扩展）

模型	大小	RAM	中文	CPU速度	流式	优势
Kokoro v1.0	85MB	~500MB	⭐⭐⭐⭐	RTF 0.04	✅	多语言，极快，ONNX
Piper C++ 原生	30MB	~300MB	⭐⭐⭐⭐	RTF 0.03	✅	纯C++，最快，独立
Matcha-TTS	72MB	~500MB	⭐⭐⭐⭐⭐	RTF 0.05	✅	中文轻量最优质量
ChatTTS 2.0	600MB	~2GB	⭐⭐⭐⭐⭐	RTF 0.5	❌	最自然人声(非实时)
MeloTTS	160MB	~1GB	⭐⭐⭐⭐	快	❌	MIT开源，微软出品
ZipVoice(int8)	104MB	~600MB	⭐⭐⭐⭐⭐	RTF 0.08	✅	中英混合极好
espeak-ng	6MB	~100MB	⭐⭐	闪电	✅	超轻量，全语言

决策指南

text

需要离线？ ─YES→ 选择 Sherpa+Piper (13MB) 或 Windows SAPI (0MB)
需要实时流式？ ─YES→ Edge TTS / Sherpa / Kokoro
最小RAM？ ─→ Windows SAPI (50MB) / Sherpa (200MB)
最佳中文？ ─→ Edge TTS (在线) / Matcha-TTS (离线72MB)
最快速度？ ─→ Piper C++ 原生 (RTF 0.03) / Kokoro (RTF 0.04)

🎤 四引擎详解

特性	☁️ Edge TTS	🏠 Sherpa+Piper	💻 Win SAPI
网络	需要	无需 ✅	无需 ✅
模型下载	零	13MB	零
RAM占用	~50MB	~200MB	~50MB
首字延迟	~0.5s	<0.1s	<0.05s
中文音色	6款	3款	1款
流式输出	✅	✅	❌
隐私	数据上云	本地处理	本地处理
安装	`pip edge-tts`	`pip sherpa-onnx`	系统自带

自动降级逻辑

text

请求播报
  ├── 1. Edge TTS (品质最优)
  ├── 2. Sherpa-onnx (本地离线)  ← 网络不佳时
  └── 3. Windows SAPI (终极兜底)  ← 都不行时

🎨 内置音色库（11款）

Edge TTS — 6款在线微软神经语音

音色	风格	推荐场景
`xiaoxiao` ⭐	晓晓，标准女声	默认通用
`yunxi`	云希，活泼男声	讲解/教程
`xiaoyi`	晓依，温柔女声	情感内容
`xiaochen`	晓辰，自然男声	新闻播报
`yunyang`	云扬，沉稳男声	正式场合
`xiaohan`	晓涵，少女声	轻快内容

Sherpa-onnx Piper — 3款本地离线

音色	大小	风格	RTF
`xiao_ya` ⭐	13MB	小雅，温暖女声	0.05
`chaowen`	13MB	超稳，沉稳男声	0.05
`huayan`	64MB	花颜，柔和女声	0.10

Windows SAPI — 1款系统原生

音色	大小	风格
`huihui`	0	慧慧，系统中文语音

🏗️ 技术架构

text

┌─────────────────────────────────────────────────────────┐
│                     QClaw / OpenClaw                     │
│                                                          │
│  ┌──────────┐     ┌──────────────┐     ┌─────────────┐ │
│  │ LLM 输出  │ →   │  speak.py    │ →   │  音频输出    │ │
│  │ (文本)    │     │  引擎调度器    │     │  (WAV/MP3)  │ │
│  └──────────┘     └──────┬───────┘     └─────────────┘ │
│                          │                               │
│            ┌─────────────┼─────────────┐                │
│            ▼             ▼             ▼                │
│     ┌──────────┐  ┌──────────┐  ┌──────────┐          │
│     │ Edge TTS │  │ Sherpa   │  │ Win SAPI │          │
│     │ (在线)    │  │ (ONNX)   │  │ (原生)    │          │
│     │ 0MB      │  │ 13MB     │  │ 0MB      │          │
│     └──────────┘  └────┬─────┘  └──────────┘          │
│                        │                                │
│                 ┌──────▼──────┐                        │
│                 │  Piper VITS │                        │
│                 │  (int8量化)  │  纯CPU, <0.1s延迟     │
│                 └─────────────┘                        │
└─────────────────────────────────────────────────────────┘

技术栈

层	技术	版本	说明
在线引擎	edge-tts	latest	微软神经网络，免费
离线引擎	sherpa-onnx	1.13.2	C++ ONNX Runtime
模型	Piper VITS (int8)	-	13MB, 中文, CPU
本地引擎	pyttsx3 (SAPI)	latest	Win原生语音
音频	soundfile	latest	WAV 读写
ORT修复	onnxruntime	1.26+	自动覆盖sherpa内置旧版DLL

🧠 Auto-Speak 自动语音播报

开启后，每次 AI 回复自动朗读：

text

用户: 开启语音播报
→ config.json: auto_speak = true
→ 后续每次回复自动调用 TTS
→ 语音消息发送至当前聊天

关闭：

text

用户: 关闭语音播报 / 安静 / 别说了
→ config.json: auto_speak = false

一个答案只会开一次口，工具调用/系统消息不会触发朗读。

📦 安装

bash

# 全自动安装（edge-tts + pyttsx3 + sherpa-onnx）
python scripts/install.py

# 仅安装在线引擎
python scripts/install.py --edge-only

# 仅安装离线引擎
python scripts/install.py --win-only

# 下载 sherpa-onnx 模型
python scripts/install.py --sherpa xiao_ya

# 检查安装状态
python scripts/install.py --check

🔧 CLI 参考

bash

python scripts/speak.py "文本" [选项]

选项:
  --voice, -v    NAME      音色名称
  --engine, -e    ENGINE   引擎: auto / edge / sherpa / win
  --speed, -s     FLOAT    语速 (0.5-2.0, 默认 1.0)
  --output, -o    PATH     输出音频文件
  --list-voices            列出全部音色
  --set-voice     NAME     设置默认音色
  --set-speed     FLOAT    设置默认语速
  --auto-speak    on|off   开启/关闭自动语音播报
  --config                 显示当前配置
  --config-path            显示配置文件路径

📊 实测性能（Win 11, i7, 16GB）

引擎	模型	首句	RTF	RAM
edge	xiaoxiao	0.5s	—	50MB
sherpa	xiao_ya (int8)	0.08s	0.05	200MB
win	huihui	0.03s	—	50MB

🔧 Troubleshooting

问题	解决
`No module named 'edge_tts'`	`pip install edge-tts`
`No module named 'pyttsx3'`	`pip install pyttsx3`
`sherpa-onnx ORT version mismatch`	已自动修复：skills/scripts 自动覆盖旧版 ORT DLL
模型未找到	`python scripts/install.py --sherpa xiao_ya`
Edge TTS 超时	网络问题，自动降级到 sherpa/win
中文 SAPI 不可用	安装 Windows 中文语言包

🆚 与现有 TTS 技能对比

维度	本技能	qwen-tts	edge-tts	sherpa-onnx-tts
引擎数	4个	1个	1个	1个
模型大小	13MB	1.7GB	0	需自行下载
中文支持	✅	✅	✅	❌(英文为主)
智能降级	✅	❌	❌	❌
自动播报	✅	❌	❌	❌
离线可用	✅	✅	❌	✅

📝 Changelog

v1.1.0 — 四引擎 + Sherpa打通

New: Windows SAPI (pyttsx3) 本地引擎，零配置离线
Fix: sherpa-onnx ORT DLL 自动覆盖（系统 1.26→覆盖sherpa内置1.17）
Fix: Piper 模型 lexicon 路径显式传入
Change: 引擎自动降级 edge → sherpa → win
New: 6款 Edge TTS 音色（+yunyang/xiaohan）
New: ORT auto-fix (_ensure_ort_fix)
Docs: 2025-2026 本地轻量 CPU 中文 TTS 模型全景对比

v1.0.0 — Initial Release

Edge TTS + sherpa-onnx 双引擎
3款 Piper 中文音色 (xiao_ya/chaowen/huayan)
3款 Edge 中文音色 (xiaoxiao/yunxi/xiaoyi)
Auto-speak 自动语音播报模式
流式 TTS 支持
一键安装脚本