TTS Synthesizer | TTS 合成器

文字转语音（Text-to-Speech / TTS）工具。 支持 edge-tts（微软神经网络 TTS，在线合成）和 OpenAI 兼容 API TTS。 触发词：语音回复、TTS、文字转语音、语音合成、语音对话。 适用平台：Linux / Windows / macOS。

将文字转换为语音，支持微软神经网络 TTS（联网合成）和 OpenAI 兼容 API。

目录

1. 概述
2. 快速开始
3. 脚本说明
4. 声音列表
5. 输出目录
6. 环境变量
7. 故障排查

---

概述

⚠️ 注意：OpenClaw 内置了 tts 工具，但它的输出格式（MP3/WebM）不适合直接发送飞书语音。 飞书语音消息必须用 tts_simple.py，它会自动输出 OGG/Opus 格式。

支持的 TTS 引擎

引擎	说明	优点	缺点
edge ⭐	微软神经网络 TTS	免费、联网合成、高音质、支持中文	需访问微软服务
api	OpenAI 兼容 API	质量高、可选声音多	需要 API Key

edge-tts 支持的声音（完整列表）

中文（大陆）:

声音	风格
zh-CN-XiaoxiaoNeural	晓晓（女声，默认）
zh-CN-YunxiNeural	云希（男声）
zh-CN-YunyangNeural	云扬（男声）
zh-CN-XiaoyiNeural	晓伊（女声）

中文（台湾）:

声音	风格
zh-TW-HsiaoYuNeural	小宇（女声）

英文:

声音	风格
en-US-JennyNeural	美式女声
en-US-GuyNeural	美式男声
en-GB-SoniaNeural	英式女声
en-GB-RyanNeural	英式男声
en-AU-NatashaNeural	澳式女声
en-IN-NeerjaNeural	印度女声

日文:

声音	风格
ja-JP-NanamiNeural	日语女声
ja-JP-MayuNeural	日语男声

韩文:

声音	风格
ko-KR-SunHiNeural	韩语女声
ko-KR-InJoonNeural	韩语男声

其他常用:

声音	语言
fr-FR-DeniseNeural	法语女声
de-DE-KatjaNeural	德语女声
es-ES-ElviraNeural	西班牙语女声
ru-RU-SvetlanaNeural	俄语女声
pt-BR-FranciscaNeural	葡萄牙语女声

💡 查看完整列表：python3 scripts/tts_edge.py "test" --list-voices

---

快速开始

1. 安装依赖

bash

cd ~/.openclaw/workspace/skills/tts-synthesizer
pip install -r requirements.txt

2. 运行（生成飞书语音用这个）

bash

# ⭐ tts_simple.py — 输出 OGG/Opus，可直接作为飞书语音发送
python3 scripts/tts_simple.py "你好，这是测试语音"

# 使用指定声音（见下方声音列表）
python3 scripts/tts_simple.py "你好" --voice zh-CN-YunxiNeural

# 使用 API
python3 scripts/tts_simple.py "你好" --engine api \
    --api-url https://api.openai.com/v1 \
    --api-key sk-xxx \
    --voice alloy

3. 调节语速和音调

bash

# 语速 +10%（稍快）
python3 scripts/tts_simple.py "快速播报" --rate "+10%"

# 语速 -10%（稍慢）
python3 scripts/tts_simple.py "慢速播报" --rate "-10%"

# 音调升高
python3 scripts/tts_simple.py "音调较高" --pitch "+5Hz"

---

脚本说明

scripts/tts_simple.py ⭐ 推荐

通用的文字转语音脚本，自动输出 OGG/Opus 格式，适合飞书语音消息。

bash

python3 scripts/tts_simple.py "要转换的文字" [选项]

参数:

参数	说明
text	要转换的文字，或 .txt 文件路径
--output, -o	输出文件路径
--engine, -e	引擎：edge（默认）或 api
--voice, -v	声音名称
--rate, -r	语速，如 +10%、-5%（仅 edge）
--pitch, -p	音调，如 +5Hz、-3Hz（仅 edge）
--api-url	API URL（api 模式）
--api-key	API Key（api 模式）
--api-model	API 模型（默认 tts-1）

scripts/tts_edge.py

纯粹的 edge-tts 脚本，输出 MP3 格式（不适合直接发送飞书语音）。

bash

# 列出所有声音
python3 scripts/tts_edge.py "test" --list-voices

# 生成语音
python3 scripts/tts_edge.py "你好" -o output.mp3 --voice zh-CN-Xiaoxiao

💡 发送飞书语音消息请用 tts_simple.py。

---

声音列表

edge-tts 支持 100+ 声音，可通过以下命令查看：

bash

python3 scripts/tts_edge.py "test" --list-voices

常用声音速查：

语言	代码	声音
中文女声	zh-CN-Xiaoxiao	晓晓（默认）
中文男声	zh-CN-Yunxi	云希
美式女声	en-US-Jenny	Jenny
美式男声	en-US-Guy	Guy
英式女声	en-GB-Sonia	Sonia
日语女声	ja-JP-Nanami	Nanami

---

输出格式

重要：飞书语音消息需要 OGG/Opus 格式，必须使用 tts_simple.py。

脚本	输出格式	适用场景
tts_simple.py ⭐	OGG/Opus	飞书语音消息（直接发送）
tts_edge.py	MP3	通用场景（需转换后才能发飞书语音）

tts_simple.py 会自动将 edge-tts 输出的 webm 转换为 OGG/Opus，专门适配飞书语音消息。

输出目录

运行结果保存在工作区的 projects/tts-synthesizer/ 目录下：

text

~/.openclaw/workspace/projects/tts-synthesizer/
└── output/
    └── tts_20260401_193000.ogg   # OGG/Opus 格式（飞书语音用这个）

---

环境变量

变量名	说明
OPENCLAW_WORKSPACE	工作区根目录
TTS_API_URL	OpenAI 兼容 API URL
TTS_API_KEY	API 密钥

---

故障排查

edge-tts 下载失败

bash

# 检查网络
curl -I https://www.bing.com

# edge-tts 需要访问微软服务
# 如有代理干扰，清除环境变量
unset all_proxy ALL_PROXY

API 模式报错

• 确认 API URL 正确（包含 /v1）
• 确认 API Key 有效
• 检查账户余额

声音不自然

• 中文推荐：zh-CN-Xiaoxiao（晓晓）
• 调节语速 --rate "+10%" 或 --rate "-10%"
• 调节音调 --pitch "+3Hz" 或 --pitch "-3Hz"

---

平台说明

edge-tts vs 其他 TTS 方案

方案	成本	音质	中文支持	离线	API Key
edge-tts	免费	高	很好	否	不需要
OpenAI TTS	按量计费	很高	一般	否	需要
pyttsx3	免费	低	一般	是	不需要

已知限制

• edge-tts 依赖微软服务，需要能访问 edge.microsoft.com
• 部分声音在不同地区可能不可用

目录结构

技能目录（发布用）

text

tts-synthesizer/
├── SKILL.md                    # 本文档
├── _meta.json                  # 元数据
├── .clawhub/                   # ClawHub 源信息
├── requirements.txt            # Python 依赖
└── scripts/
    ├── tts_simple.py          # 通用 TTS 脚本（⭐ 推荐）
    └── tts_edge.py            # edge-tts 专用脚本

项目目录（运行时数据）

text

~/.openclaw/workspace/projects/tts-synthesizer/
├── output/                    # TTS 输出文件
└── *.ogg                     # 历史语音文件

模型说明

edge-tts 无本地模型，每次联网合成（微软服务器运行）。 如需本地 GPU TTS（用你自己的显卡），需要额外安装 Coqui XTTS 等。