ComeOnOliver Text-to-Speech Skill
将文本转换为语音，支持播客脚本解析、情绪标记处理和 voice-changer 后处理。
使用说明
当用户请求将文本转换为语音时，使用以下命令：
# 基本用法
python3 ~/.claude/skills/text-to-speech/scripts/text_to_speech.py <文本文件>
# 指定输出文件
python3 ~/.claude/skills/text-to-speech/scripts/text_to_speech.py script.txt -o output.mp3
# 指定声音
python3 ~/.claude/skills/text-to-speech/scripts/text_to_speech.py script.txt -v zh-CN-XiaoxiaoNeural
# 启用后处理（voice-changer）
python3 ~/.claude/skills/text-to-speech/scripts/text_to_speech.py script.txt --post-process
# 列出所有可用声音
python3 ~/.claude/skills/text-to-speech/scripts/text_to_speech.py --list-voices
核心功能
1. 脚本解析
自动识别并移除播客脚本中的注释和标记：
- 时间戳：
(00:00) - BGM 注释：
[BGM渐入：...] - 舞台指示：
(主播声音：...)(停顿 1秒) - 情绪标记：
(语速放慢，加重语气) - Markdown 标记：
**文本**
2. 多种声音支持
支持 18+ 种中文声音，包括：
- 男声：YunyangNeural（新闻播音）、YunxiNeural（年轻活力）、YunjianNeural（成熟稳重）
- 女声：XiaoxiaoNeural（温柔亲切）、XiaoyiNeural（活泼开朗）、XiaoyanNeural（新闻播音）
3. 语音参数调整
- 语速调整：
--rate "+20%"或--rate "-10%" - 音调调整：
--pitch "+5Hz"或--pitch "-3Hz" - 音量调整：
--volume "+20%"或--volume "-10%"
4. 后处理集成
可选集成 voice-changer skill 进行变声处理。
配置文件
配置文件位于：~/.claude/skills/text-to-speech/config/tts_config.json
主要配置项
{
"edge_tts": {
"voice": "zh-CN-YunyangNeural",
"rate": "+0%",
"pitch": "+0Hz",
"volume": "+0%"
},
"script_parsing": {
"enabled": true,
"remove_timestamps": true,
"remove_bgm_notes": true,
"remove_stage_directions": true,
"remove_markdown": true
},
"emotion_processing": {
"enabled": true,
"use_ssml": true
},
"output": {
"format": "mp3",
"default_output_dir": "same_as_input",
"filename_suffix": "_tts"
},
"post_processing": {
"enabled": false,
"voice_changer": {
"enabled": false,
"voice_type": "female_1",
"pitch_shift": 0
}
}
}
工作流程
输入文本/文件
↓
脚本解析（移除注释和标记）
↓
情绪标记处理（可选）
↓
Edge TTS 语音合成
↓
后处理（voice-changer，可选）
↓
输出 MP3 文件
依赖安装
# 安装 Edge TTS
pip install edge-tts
# 如果需要后处理，确保 voice-changer skill 已安装
使用示例
示例 1：转换播客脚本
python3 ~/.claude/skills/text-to-speech/scripts/text_to_speech.py podcast_script.txt
脚本会自动：
- 移除时间戳和 BGM 注释
- 移除舞台指示
- 只保留实际要朗读的文本
- 生成
podcast_script_tts.mp3
示例 2：使用女声并调整语速
python3 ~/.claude/skills/text-to-speech/scripts/text_to_speech.py script.txt \
-v zh-CN-XiaoxiaoNeural \
--rate "+10%"
示例 3：启用后处理
python3 ~/.claude/skills/text-to-speech/scripts/text_to_speech.py script.txt \
--post-process
会先生成语音，然后调用 voice-changer 进行变声处理。
注意事项
- 网络要求：Edge TTS 需要网络连接
- 文本长度：建议单次转换不超过 10000 字
- 脚本格式：支持纯文本和带注释的播客脚本
- 后处理：需要先安装 voice-changer skill
技术实现
- TTS 引擎：Microsoft Edge TTS（免费、高质量）
- 脚本解析：正则表达式匹配
- 音频格式：MP3（默认）
- 后处理：可选集成 voice-changer
性能参考
- 1000 字文本：约 10-20 秒
- 5000 字文本：约 30-60 秒
- 网络速度影响较大
许可
MIT