Multi Edge Tts Cn

SKILL.md

---
name: multi-edge-tts-cn
description: 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。
---

# 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

```bash
# 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

```python
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")
```

## 发送语音消息

### 企业微信发送（推荐方式）

在企业微信通道中，使用 `MEDIA:` 指令发送语音消息：

```
MEDIA: /tmp/openclaw/voice.amr
```

**注意事项**：
- 语音消息仅支持 **AMR 格式**（`.amr`）
- 文件大小需 ≤ **2 MB**
- 使用**绝对路径**
- 路径必须在白名单目录内：`/tmp/openclaw`、`~/.openclaw/workspace` 等

**完整示例**：
```bash
# 1. 生成语音
python3 ~/workspace/skills/multi-edge-tts-cn/scripts/engine.py \
  --text "你好呀，我是小梦" \
  --output /tmp/openclaw/voice.amr

# 2. 在回复中使用 MEDIA: 指令发送
# MEDIA: /tmp/openclaw/voice.amr
```

### 飞书发送

在飞书通道中，使用 `message` 工具发送：

```python
# 使用 message 工具发送
message.send(filePath="/tmp/openclaw/voice.ogg")
```

**注意事项**：
- 飞书推荐 **OGG/Opus 格式**
- 文件大小需 ≤ **10 MB**

> **💡 核心提示**: 在 OpenClaw 环境中，生成语音文件后，直接使用 `MEDIA:` 指令（企业微信）或 `message.send(filePath=...)`（飞书）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！

## 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**
>
> 文件发送仅允许读取以下"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

## 文件大小与格式限制

| 类型 | 大小上限 | 格式要求 | 备注 |
|------|----------|----------|------|
| 图片 | 10 MB | 常见图片格式均可 | openclaw 默认会对图片进行压缩处理 |
| 视频 | 10 MB | 常见视频格式均可 | |
| 语音 | 2 MB | **仅支持 AMR 格式**（`.amr`） | 企业微信语音消息 |
| 文件 | 20 MB | 不限 | |

⚠️ **重要提示**：
- **语音格式**: 语音消息仅支持 AMR 格式（`.amr`）。非 AMR 格式的音频文件将以文件消息的形式发送。
- **自动降级**: 语音文件超过 2 MB 时，系统会自动将其转为文件消息发送。
- **硬性上限**: 文件大小超过 20 MB 时无法发送。

## 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