文字转语音 · TTS

把用户给的文字直接合成为语音文件。本技能的全部价值在于「不废话、立刻出声音」。

核心铁律

1. 不做任何多余操作：不总结文本、不分析内容、不纠错改写、不加「转换完成」「希望对你有帮助」等前后缀，用户给什么文字就转什么文字。
2. 只处理明确的 TTS 意图：用户要求「转语音/朗读/念一下/配音」等才触发；闲聊中提到语音不算。
3. 正文文字即输入：用户消息中的文字（或明确指定的文件内容）就是待合成文本，原样传入，一个字都不改。
4. 多音色必选：可用音色多于 1 个且用户未指定时，必须弹窗（AskUserQuestion）让用户选，不要替用户决定音色。

工作流程

第一步：选引擎（三级递进）

按以下顺序确定引擎，命中即停：

1. 环境默认方案：检查当前环境是否已提供 TTS 工具（如平台内置语音合成工具）。有 → 直接用。
2. 免费方案（无默认工具时，用本技能脚本探测）：

   python3 <skill_dir>/scripts/tts.py --list-voices

   • 返回 edge 可用 → 用 edge-tts（免费网络引擎，音色自然，音色多）
   • 返回仅 say 可用（macOS）→ 用 say（免费本地引擎）
   • 两者皆无 → 跳到第三级
3. 付费方案兜底（免费均不可用）：读 @references/paid-tts-providers.md，向用户说明需要注册、配置密钥、可能产生费用，经用户确认后引导其完成配置（推荐腾讯云 TTS，有免费额度），再执行合成。密钥只存用户本地，严禁入库入仓。

第二步：定音色（弹窗选择）

python3 <skill_dir>/scripts/tts.py --list-voices --engine edge   # 或 say

• 可用音色 > 1 个 且用户未指定 → 用 AskUserQuestion 弹窗：常见中文音色列出 3-4 个选项（含性别/风格简述），用户也可通过 Other 输入自选音色名。
• 用户已指定音色（如「用婷婷的声音」「男声」）→ 匹配对应音色，匹配不上时弹窗展示可用音色让用户重选。
• 用户指定了引擎（如「用 edge-tts」「离线转」）→ 按指定引擎走，跳过探测。
• 同一会话中用户选过音色 → 后续沿用，不重复弹窗，除非用户要求换。

第三步：合成（脚本一行出结果）

# 短文本
python3 <skill_dir>/scripts/tts.py --text "待转换文字" --voice <音色> --out /tmp/tts-out.mp3
# 长文本（从文件读，避免命令行转义问题）
python3 <skill_dir>/scripts/tts.py --file input.txt --voice <音色> --out /tmp/tts-out.mp3

• 脚本输出 JSON：{"ok": true, "engine": ..., "voice": ..., "file": ..., "bytes": ...}，ok:false 时按 error 处理（音色不存在 → 退出码 2 回到第二步弹窗；无引擎 → 退出码 3 走付费兜底）。
• edge-tts 未安装时，先征得同意再执行 pip3 install edge-tts（免费，约 10 秒），装好重试。
• 输出统一 mp3（无 ffmpeg 的 macOS 会产出 m4a，JSON 中有 note 说明，属正常）。

第四步：存储（资料库优先）

语音文件生成后按优先级落位：

1. 优先存资料库：环境有「资料库」skill 或网盘（tdrive / netdrive）工具时，把生成的音频文件上传到资料库，向用户回报资料库中的文件位置。
2. 兜底一（无资料库能力）：引导用户配置 IMA 知识库或文档提供方（腾讯文档等）：
   • 明确告知当前无法直接转存，需要用户选择并配置存储提供方
   • 配置完成后重新确定存储位置，再把文件转存过去
3. 兜底二（用户拒绝配置）：保留本地文件路径，明确告知文件所在位置及格式。

转存前必须先向用户确认目标位置；用户明确拒绝转存时不得强行上传。

脚本速查（scripts/tts.py）

退出码：0 成功 ｜ 2 音色不存在 ｜ 3 无可用免费引擎（走付费兜底）。

输出规范

• 对用户的最终回复保持极简：音频文件位置（资料库链接或本地路径）+ 音色/引擎一句说明，不超过 3 行。
• 不复述合成文本内容，不解释 TTS 原理，不推荐无关工具。
• 失败时只说失败原因和下一步（换音色 / 装依赖 / 走付费配置），不输出长篇排错日志。

注意事项

• edge-tts 为网络引擎，合成失败多为网络问题：重试 1 次，仍失败降级到 say（macOS）。
• 文本超过 5000 字建议先写入临时文件再用 --file 传入。
• 付费方案的密钥安全红线见 @references/paid-tts-providers.md 末节，必须遵守。
• 本技能不做语音克隆、不做声音复刻——那是另一个能力域，超出单一职责。

参考资料

• @scripts/tts.py — 统一合成脚本（引擎探测、音色列举、mp3 输出）
• @references/paid-tts-providers.md — 付费方案配置指南（腾讯云/讯飞/MiniMax/Azure）

反馈

• SKILL 由 前凌智选 创建, 并发布于 SKILLHUB.cn
• 可于SKILLHUB反馈使用问题、优化意见