Multi Edge-TTS CN

Edge-TTS 在线语音合成 skill。基于微软 Edge TTS 引擎，生成速度快（1-2秒），支持多种音色和输出格式。同时支持飞书（OGG/Opus）和企业微信（AMR）。默认音色 xiaoxiao_lively。需联网。

Security Scan

This is a coherent Edge-TTS wrapper: it uses the edge-tts Python package and ffmpeg to produce local audio files and does not request unrelated credentials or contact unexpected endpoints beyond the expected Microsoft TTS service.

Purpose & Capability

Name/description match the implementation: engine.py + voices.json implement TTS via edge-tts and ffmpeg, with format conversion and platform-specific output choices. No unrelated capabilities or environment variables are requested.

Instruction Scope

SKILL.md and engine.py stick to TTS responsibilities: load voice config, call edge-tts to synthesize MP3, convert with ffmpeg, and return a local path. The instructions reference only local files and the agent's message.send(filePath=...) mechanism (appropriate for sending local files). There are no instructions to read unrelated system files or to transmit arbitrary data to unknown endpoints.

Install Mechanism

There is no registry install spec, but scripts/install.sh is provided. It installs edge-tts via pip (PyPI) and requires ffmpeg to be present (or instructs apt install). Installing Python packages via pip is expected for this skill but will modify the environment (may install globally unless used inside a virtualenv). No downloads from untrusted URLs or archive extraction were observed.

Credentials

The skill declares no required environment variables or credentials and the code does not access secrets or unrelated env vars. The only network activity is the expected edge-tts client contacting Microsoft's TTS endpoints (implicit in the edge-tts library).

Persistence & Privilege

always:false and no changes to other skills or agent configs. The install script changes the Python environment by installing a package (normal for this type of skill) but the skill does not request persistent elevated privileges or modify other skills' settings.

Assessment

This skill appears to do what it claims (local wrapper for edge-tts + ffmpeg). Before installing: (1) be aware edge-tts makes network calls to Microsoft services to synthesize audio—don't send sensitive secrets as input; (2) run the install script inside a Python virtualenv if you want to avoid global pip installs; (3) ffmpeg must be installed on the host (the script will abort if missing); (4) generated files default to /tmp/openclaw and are accessible to local processes—clean or restrict as needed; (5) inspect or run the included scripts in a sandbox if you have higher security concerns. If you want additional assurance, ask the author for a signed release or run the tool in an isolated container.

Multi Edge-TTS 语音合成 Skill

概述

• 引擎: edge-tts 7.2.8
• 路径: ~/.openclaw/workspace/skills/multi-edge-tts-cn/
• 入口脚本: scripts/engine.py
• 音色配置: config/voices.json
• 速度: 1-2 秒生成
• 多平台支持: 飞书(OGG/Opus)、企业微信(AMR)

官方音色

来自 Edge-TTS 引擎原始音色,使用默认参数。

zh-CN(普通话)

音色	性别	音色 ID
zh-CN-XiaoxiaoNeural	女	xiaoxiao
zh-CN-XiaoyiNeural	女	xiaoyi
zh-CN-YunjianNeural	男	yunjian
zh-CN-YunxiNeural	男	yunxi
zh-CN-YunxiaNeural	男	yunxia
zh-CN-YunyangNeural	男	yunyang
zh-CN-liaoning-XiaobeiNeural	女	liaoning_xiaobei
zh-CN-shaanxi-XiaoniNeural	女	shaanxi_xiaoni

zh-HK(粤语)

音色	性别	音色 ID
zh-HK-HiuGaaiNeural	女	hk_hiuGaai
zh-HK-HiuMaanNeural	女	hk_hiuMaan
zh-HK-WanLungNeural	男	hk_wanLung

zh-TW(台湾)

音色	性别	音色 ID
zh-TW-HsiaoChenNeural	女	tw_hsiaoChen
zh-TW-HsiaoYuNeural	女	tw_hsiaoYu
zh-TW-YunJheNeural	男	tw_yunJhe

自定义音色

基于官方音色调试过 rate/pitch/volume 参数的音色。

音色 ID	基础音色	参数	描述
xiaoxiao_lively(默认)	xiaoxiao	+8%速 +10Hz +5%音量	女声 活泼偏高音
xiaoxiao_gentle	xiaoxiao	+5%速 +4Hz	女声 甜美温柔
xiaoxiao_fast	xiaoxiao	+15%速 +2Hz +10%音量	女声 快速明亮
xiaoxiao_slow	xiaoxiao	+5%速 -2Hz	女声 温柔慢速
xiaoyi_lively	xiaoyi	+15%速 +5Hz +10%音量	女声 卡通元气
yunxi_sunny	yunxi	+15%速 +3Hz +5%音量	男声 阳光活泼

调用方式

CLI

# 默认音色(xiaoxiao_lively),默认 .ogg 输出(飞书气泡语音格式)
python3 scripts/engine.py --text "你好呀"

# 指定音色
python3 scripts/engine.py --text "你好呀" --voice xiaoyi

# 企业微信语音消息(AMR 格式)
python3 scripts/engine.py --text "你好呀" --output /tmp/voice.amr

# 指定其他输出格式
python3 scripts/engine.py --text "你好呀" --output /tmp/goodnight.wav

# 列出全部音色
python3 scripts/engine.py --list-voices

Python API & 飞书发送

import sys, os
sys.path.insert(0, os.path.expanduser("~/.openclaw/workspace/skills/multi-edge-tts-cn/scripts"))
from engine import generate

# 1. 生成语音(飞书用 OGG 格式)
code, path = generate("你好呀", voice_id="xiaoxiao_lively", output_path="/tmp/voice.ogg")

# 2. 生成语音(企业微信用 AMR 格式)
code, path = generate("你好呀", voice_id="xiaoxiao_lively", output_path="/tmp/voice.amr")

# 3. 使用 OpenClaw message 工具发送(支持绝对路径,无需上传云空间)
# message.send(filePath=path)

💡 核心提示:在 OpenClaw 环境中,生成语音文件后,直接使用 message.send(filePath="/绝对路径/文件") 即可实现语音消息推送。不需要上传到云空间再发送,这是最高效的用法!

📝 参数对比与推荐:

• filePath (🏆 强烈推荐):语义最清晰,专为本地文件设计,最稳定。
• path (✅ 可用):filePath 的简写别名,功能一致。
• media (⚠️ 慎用):通常用于网络 URL,虽然支持本地绝对路径,但在某些环境下可能触发"Invalid URL"警告。

📱 平台格式对照:

平台	推荐格式	文件大小限制	备注
飞书	OGG/Opus	10 MB	默认格式,音质好
企业微信	AMR	2 MB	气泡语音要求

输出格式

根据 --output 的扩展名自动选择编码器:

扩展名	编码器	采样率	声道	备注
.ogg / .opus	libopus	48kHz	mono	飞书推荐,voip 优化,64kbps
.amr	libopencore_amrnb	8kHz	mono	企业微信推荐,12.2kbps
.mp3	libmp3lame	48kHz	mono	64kbps
.wav	pcm_s16le	48kHz	mono	无损 PCM
.flac	flac	48kHz	mono	无损压缩
.aac	aac	48kHz	mono	64kbps
未知	自动回退 .ogg	48kHz	mono	打印警告

输出路径与存放规范

⚠️ 重要:OpenClaw 媒体发送安全限制

飞书消息发送(message.send(filePath=...))仅允许读取以下"白名单"目录下的文件:

1. /tmp/openclaw (推荐默认路径)
2. ~/.openclaw/media
3. ~/.openclaw/workspace
4. ~/.openclaw/sandboxes

请使用绝对路径发送文件,无需上传云空间。

默认路径:/tmp/openclaw/edge_{音色ID}_{时间戳}.ogg

飞书发送推荐格式:OGG/Opus 企业微信发送推荐格式:AMR(文件大小需 ≤ 2MB)

文本规范

• ✅ 使用中文标点(,。!?)
• ⚠️ 标点决定停顿:句号(。)= 长停顿,逗号(,)= 短停顿
• ✅ 可包含语气词

技术细节

处理流程

加载音色配置 → 申请速率许可 → Edge-TTS 生成 MP3 → ffmpeg 转目标格式 → 清理临时文件 → 返回路径

引擎特性

• 速率控制:每秒最多 3 个请求(防 429 限速)
• 429 重试:指数退避 1s → 2s → 4s,最多 3 次
• 临时文件:MP3 中间文件生成后自动清理
• 整段合成:不分段,直接处理完整文本
• 格式自适应:根据输出扩展名自动选择编码器和参数

依赖

• Python 3.8+
• edge-tts 7.2.8
• ffmpeg