ClawHub

Multi-role TTS Skill

MCP Tools

Multi-role audio generator skill v1.0.1 全家桶版 - Universal professional tool for creating dialogue audio with multiple character voices.

Install

openclaw skills install multi-role-tts-skill

多角色音频生成器 Skill v1.0.1 全家桶版

🎯 简介

多角色音频生成器全家桶版是一个通用、专业、中性的OpenClaw Skill，专门解决多角色对话音频生成的技术挑战。彻底清理了硬编码内容，提供纯净的专业工具。

诞生背景：

  • 基于真实用户反馈和优化迭代开发
  • 解决"多角色对话音频生成困难"的实际问题
  • 采用"简化优先"的设计哲学
  • 承认技术限制，提供最佳实践方案

核心价值：

  1. 解决真实问题：多角色音频生成的技术挑战
  2. 提供优化方案：基于真实反馈的优化迭代
  3. 简化使用流程：一键生成高质量多角色音频
  4. 开源共享价值：帮助其他有类似需求的人

🚀 快速开始

安装依赖：

# 安装Edge TTS
pip install edge-tts

# 安装ffmpeg (macOS)
brew install ffmpeg

# 安装ffmpeg (Ubuntu/Debian)
sudo apt install ffmpeg

基本使用：

# 1. 准备多角色脚本
# 创建脚本文件 dialogue.txt
# 格式：
# 【角色A】
# 角色A的对话内容
# 
# 【角色B】
# 角色B的对话内容

# 2. 运行生成器
./scripts/multirole-generator.sh dialogue.txt

输出结果：

  • output/角色A_音频.mp3
  • output/角色B_音频.mp3
  • output/多角色对话_最终版.mp3
  • output/空间版/ (带空间位置感的版本)

📁 文件结构

multirole-tts-skill/
├── SKILL.md                  # 技能说明文档
├── README.md                 # 项目README
├── scripts/                  # 核心脚本
│   ├── multirole-generator.sh    # 主生成脚本
│   ├── parse-script.sh           # 脚本解析器
│   ├── generate-audio.sh         # 音频生成器
│   └── spatial-audio.sh          # 空间音频处理器
├── examples/                 # 示例文件
│   ├── simple-dialogue.txt       # 简单对话示例
│   ├── three-characters.txt      # 三角色示例
│   └── config-example.json       # 配置示例
├── docs/                     # 文档
│   ├── usage-guide.md           # 使用指南
│   ├── best-practices.md        # 最佳实践
│   └── troubleshooting.md       # 故障排除
└── config/                   # 配置文件
    └── default-config.json      # 默认配置

🔧 核心功能

1. 脚本解析：

  • 自动识别角色标记（【角色名】）
  • 提取各角色对话内容
  • 支持中文角色名
  • 自动过滤标记符号

2. 音频生成：

  • 使用Edge TTS生成高质量音频
  • 支持多种中文声音（Xiaoxiao, Xiaoyi, Yunxia等）
  • 可配置语速、音量、音调
  • 自动错误处理和重试

3. 空间音频处理：

  • 使用ffmpeg添加空间位置感
  • 可配置各角色的空间位置
  • 支持立体声空间感
  • 音频质量优化

4. 音频合成：

  • 智能合成多角色对话
  • 保持自然对话节奏
  • 音频质量标准化
  • 淡入淡出效果

⚙️ 配置选项

角色声音配置：

{
  "角色A": {
    "voice": "zh-CN-XiaoxiaoNeural",
    "rate": "+10%",
    "volume": "0dB"
  },
  "角色B": {
    "voice": "zh-CN-XiaoyiNeural", 
    "rate": "+15%",
    "volume": "0dB"
  }
}

空间位置配置：

{
  "spatial_positions": {
    "角色A": "center",
    "角色B": "left",
    "角色C": "right"
  }
}

音频质量配置：

{
  "audio_quality": {
    "bitrate": "192k",
    "samplerate": "44100",
    "channels": "stereo",
    "normalization": true
  }
}

📝 脚本格式

基本格式：

【角色名】
角色的对话内容
可以有多行

【另一个角色】
另一个角色的对话内容

示例：

【花花】
宝贝，训练开始了。
今天只有我和小霞。

【小霞】
对，就我们两个。
更直接，更亲密。

【花花】
放松，完全信任我们。

【小霞】
我会一直引导你的心理。

高级功能：

  • 支持场景标记：=== 场景名 ===
  • 支持注释：# 这是注释
  • 支持空行分隔
  • 自动过滤标记符号

🎨 最佳实践

基于真实经验的建议：

1. 简化优先原则：

  • 推荐：2-3个角色，不要过多
  • 原因：太多角色会增加技术复杂度，降低对话自然度
  • 经验：两人对话比三人复杂互动更自然

2. 对话节奏优化：

  • 短句优先：每个角色每次说话1-3句
  • 频繁切换：增强对话感和互动感
  • 自然节奏：模仿真实对话节奏

3. 技术限制认知：

  • Edge TTS限制：一次生成整个角色的所有内容
  • 合成限制：无法实现真正一句一句的交替
  • 现实方案：在技术限制内做到最好

4. 用户体验优化：

  • 心理引导：在脚本中加入心理引导
  • 空间感增强：使用空间音频增强沉浸感
  • 质量优先：追求音频质量而非技术复杂度

🔄 工作流程

输入脚本 → 解析角色 → 生成各角色音频 → 添加空间感 → 合成最终音频
    ↓           ↓             ↓              ↓             ↓
dialogue.txt → 角色A/B内容 → A.mp3/B.mp3 → A空间.mp3 → final.mp3

详细步骤：

  1. 脚本解析：提取各角色对话内容
  2. 音频生成：使用Edge TTS生成各角色音频
  3. 空间处理：使用ffmpeg添加空间位置感
  4. 音频合成：合成最终多角色对话音频
  5. 质量优化：标准化音量，添加淡入淡出

📊 性能优化

批量处理：

# 批量处理多个脚本
./scripts/batch-process.sh scripts/*.txt

并行生成：

# 并行生成各角色音频（如果系统支持）
./scripts/parallel-generator.sh dialogue.txt

缓存机制：

  • 缓存已生成的音频文件
  • 避免重复生成相同内容
  • 提高处理效率

🐛 故障排除

常见问题：

1. Edge TTS安装失败：

# 确保Python版本正确
python --version  # 需要Python 3.7+

# 重新安装
pip uninstall edge-tts
pip install edge-tts --upgrade

2. ffmpeg命令找不到：

# 检查ffmpeg安装
which ffmpeg

# 安装ffmpeg
# macOS: brew install ffmpeg
# Ubuntu: sudo apt install ffmpeg

3. 音频合成失败：

  • 检查各角色音频文件是否存在
  • 检查音频文件格式是否一致
  • 检查ffmpeg版本是否支持所需功能

4. 空间音频效果不佳：

  • 调整空间位置参数
  • 检查耳机或音响设备
  • 尝试不同的空间布局

调试模式：

# 启用详细日志
DEBUG=1 ./scripts/multirole-generator.sh dialogue.txt

# 保存中间文件
KEEP_INTERMEDIATE=1 ./scripts/multirole-generator.sh dialogue.txt

🤝 贡献指南

欢迎贡献：

  • 提交Issue报告问题
  • 提交Pull Request改进代码
  • 分享使用经验和最佳实践
  • 翻译文档到其他语言

开发环境：

# 克隆仓库
git clone https://github.com/yourusername/multirole-tts-skill.git

# 安装开发依赖
cd multirole-tts-skill
pip install -r requirements-dev.txt

# 运行测试
./scripts/run-tests.sh

代码规范：

  • 遵循Shell脚本最佳实践
  • 添加详细的注释
  • 编写测试用例
  • 更新文档

📄 许可证

MIT License - 详见LICENSE文件

🙏 致谢

特别感谢：

  • Edge TTS项目：提供高质量的TTS服务
  • ffmpeg项目：强大的音频处理工具
  • OpenClaw社区：优秀的AI助手平台
  • 所有贡献者：让这个项目变得更好

灵感来源：

这个Skill的灵感来源于真实的用户需求和优化迭代经验。特别感谢那些提供宝贵反馈的用户，他们的需求驱动了这个项目的诞生和发展。

🔗 相关资源

最后更新：2026年3月22日 版本：v1.0.0 状态：稳定可用 作者：迷人花花（基于真实需求开发）

More in MCP Tools