Install
openclaw skills install text-to-audio文字转语音/Text to Audio
使用 edge-tts 将中文或英文文本转为自然语音 MP3。此 Skill 应在以下场景触发： 将图片或文本转成语音、朗读课文或作文、中文文字转语音、英文文字转语音、 TTS 文本朗读、生成音频 MP3、给文章配音、语音合成、 朗读故事、课文朗读、作文朗读、文字转 MP3、英文朗读。 支持晓晓等多款中文 Neural 语音，支持 Jenny 等英文 Neural 语音，支持语速调整和语音选择。
Audits
Pass文字转语音（免费）
将中文或英文文本转为自然语音 MP3 文件，使用微软 Edge TTS 在线服务，声音自然、文件小巧、跨设备通用。
前置条件
- Python 3.8+ 已安装
- edge-tts 包已安装（
pip install edge-tts） - 网络连接可用（需访问微软 TTS 云服务）
环境初始化（首次使用时执行）
首次使用此 Skill 时，运行环境检测脚本确认依赖是否就绪：
python scripts/check_env.py
该脚本会自动检测并安装缺失的依赖。如果网络不通，提示用户开启 VPN 后重试。
工作流程
步骤 1：语言检测
保存文本后，必须先检测文本语言，以决定展示中文还是英文语音选项。
检测方法：如果文本中英文字母（a-zA-Z）占比超过 60%，判定为英文；否则判定为中文。
步骤 2：让用户选择语音和语速
在生成 MP3 之前，必须先让用户选择语音和语速。 使用 ask_followup_question 工具向用户展示选项，不要自行假设。
语音选择（根据语言自动切换）
如果检测为中文，展示中文语音选项：
问题：请选择朗读语音
选项：
- 晓晓（温暖女声，适合课文/故事朗读）
- 小艺（活泼女声，适合儿童故事）
- 云希（阳光男声，适合叙事/科普）
- 云健（激情男声，适合朗诵）
- 云扬（专业男声，适合新闻/说明文）
如果检测为英文，展示英文语音选项：
问题：请选择朗读语音
选项：
- Jenny（温暖女声，适合朗读/故事，推荐）
- Aria（自信女声，适合新闻/叙述）
- Emma（活泼女声，适合对话/讲解）
- Guy（激情男声，适合朗诵/叙事）
- Christopher（权威男声，适合新闻/分析）
- Michelle（亲切女声，适合日常叙述）
语速选择（输入式）
语速使用 三选一 + 数字输入 形式，让用户填写具体百分比：
问题：请选择朗读语速（在方括号中填写数字，0 为正常语速，负数更慢，正数更快）
选项：
- A 略慢 [ ]%（推荐填 10，即 -10%）
- B 正常语速
- C 略快 [ ]%（推荐填 10，即 +10%）
用户选择 A 或 C 时，解析其填写的数字作为 rate 值：
- 选 A + 填 10 →
--rate -10 - 选 B →
--rate +0 - 选 C + 填 10 →
--rate +10
如果用户没有填写数字，使用推荐默认值（A 为 -10，C 为 +10）。
如果用户在对话中已经明确指定了语音或语速（如"用晓晓的声音"、"读慢一点"），则直接使用用户的选择，无需再次询问。
流程 A：图片转语音（最常见）
- 识别图片文字 — 读取用户上传的图片，识别其中的文字内容
- 保存文本 — 将识别的文字保存为
.txt文件（UTF-8 编码） - 语言检测 — 判断文本语言
- 让用户选择语音和语速 — 根据语言展示对应语音选项 + 语速选项
- 生成 MP3 — 根据用户选择调用
scripts/tts_generate.py生成 MP3 文件
流程 B：文本转语音（用户直接提供文本）
- 保存文本 — 将用户提供的文字保存为
.txt文件 - 语言检测 — 判断文本语言
- 让用户选择语音和语速 — 根据语言展示对应语音选项 + 语速选项
- 生成 MP3 — 根据用户选择调用生成脚本
流程 C：批量转换
- 语言检测 — 判断文本语言
- 让用户选择默认语音和语速 — 根据语言展示对应语音选项 + 语速选项
- 生成批量配置 — 创建 JSON 配置文件
- 执行批量生成 — 使用
--batch参数
核心脚本用法
单文件生成
python scripts/tts_generate.py <文本文件> [选项]
| 参数 | 说明 | 默认值 |
|---|---|---|
--output, -o | 输出 MP3 文件路径 | <输入名>_<语音别名>.mp3 |
--voice, -v | 语音别名或完整 ID | xiaoxiao（中文）/ jenny（英文） |
--rate, -r | 语速调整 | +0% |
--batch, -b | 批量模式，传入 JSON 配置文件 | — |
常用示例
# 中文默认（晓晓女声，正常语速）
python scripts/tts_generate.py story.txt
# 中文活泼女声 + 略慢语速（适合小学课文朗读）
python scripts/tts_generate.py story.txt --voice xiaoyi --rate -10
# 英文默认（Jenny女声，正常语速）
python scripts/tts_generate.py english.txt --voice jenny
# 英文男声 + 略慢语速
python scripts/tts_generate.py english.txt --voice guy --rate -10
# 指定输出文件名
python scripts/tts_generate.py story.txt -o my_story.mp3
# 批量模式
python scripts/tts_generate.py --batch batch_config.json
批量配置文件格式
{
"defaults": { "voice": "xiaoxiao", "rate": "-10%" },
"files": [
{ "input": "story.txt", "output": "story.mp3" },
{ "input": "essay.txt", "output": "essay.mp3", "voice": "xiaoyi" }
]
}
语音别名速查
中文语音
| 用户选择 | 别名（脚本参数） | 性别 | 气质 | 推荐场景 |
|---|---|---|---|---|
| 晓晓 | xiaoxiao | 女 | 温暖 | 课文/故事朗读（默认） |
| 小艺 | xiaoyi | 女 | 活泼 | 儿童故事 |
| 云希 | yunxi | 男 | 阳光 | 叙事/科普 |
| 云健 | yunjian | 男 | 激情 | 朗诵 |
| 云扬 | yunyang | 男 | 专业 | 新闻/说明文 |
英文语音
| 用户选择 | 别名（脚本参数） | 性别 | 气质 | 推荐场景 |
|---|---|---|---|---|
| Jenny | jenny | 女 | 温暖 | 朗读/故事（默认英文） |
| Aria | aria | 女 | 自信 | 新闻/叙述 |
| Emma | emma | 女 | 活泼 | 对话/讲解 |
| Guy | guy | 男 | 激情 | 朗诵/叙事 |
| Christopher | christopher | 男 | 权威 | 新闻/分析 |
| Michelle | michelle | 女 | 亲切 | 日常叙述 |
用户选择"Jenny" → 脚本参数 --voice jenny
语速选项速查
| 用户选择 | 脚本参数 | 说明 |
|---|---|---|
| A 略慢 10 | --rate -10 | 适合课文朗读（推荐） |
| A 略慢 20 | --rate -20 | 适合跟读/低年级 |
| B 正常语速 | --rate +0 | 默认语速 |
| C 略快 10 | --rate +10 | 快速浏览 |
用户选"A 略慢"且填 15 → 脚本参数 --rate -15
注意事项
- edge-tts 需要网络连接，如生成失败先检查网络
- 输出为 MP3 格式，任何设备均可播放
- 文件大小约 0.5-1MB/分钟音频，远小于 WAV 格式
- 无需 API Key，完全免费
- 中文语音读英文会有口音，英文语音读中文效果也差，请根据文本语言选择对应语音组