dvcrn 龙虾电台
个性化资讯电台生成服务，使用本地Qwen3-TTS模型，完全免费。
平台支持
- ✅ OpenClaw - 通过SKILL.md集成
- ✅ LobsterAI(有道龙虾) - 通过skill.json集成
When to Use
✅ USE this skill when:
- "生成关于人工智能的电台"
- "每天早上8点推送科技新闻"
- "配置我的电台音色"
- "播放我的今日电台"
- "查看历史电台"
❌ DON'T use this skill when:
- 播放音乐 → 使用音乐播放器
- 实时广播 → 使用广播应用
- 视频内容 → 使用视频平台
Prerequisites
安装Python依赖
pip install -r requirements.txt
下载Qwen3-TTS模型
注意: Qwen3-TTS模型不在Ollama公共仓库中，需要从HuggingFace或ModelScope下载。
方法一：从HuggingFace下载（推荐）
pip install huggingface_hub
huggingface-cli download Qwen/Qwen3-TTS-12Hz-0.6B-CustomVoice --local-dir ./models/Qwen3-TTS-12Hz-0.6B-Base
方法二：从ModelScope下载（国内用户推荐）
pip install modelscope
python -c "from modelscope import snapshot_download; snapshot_download('qwen/Qwen3-TTS-12Hz-0.6B-Base', cache_dir='./models')"
方法三：首次运行时自动下载
Skill会在首次生成电台时自动检测并下载模型：
python scripts/generate_radio.py --topics "人工智能"
验证安装
python tests/verify_all.py
Quick Start
生成电台
python scripts/generate_radio.py --topics "人工智能" --tags "科技"
配置TTS
python scripts/configure_tts.py --voice xiaoxiao
设置定时任务
OpenClaw:
# 每天早上8点推送科技电台
openclaw cron add \
--name "每日科技电台" \
--cron "0 8 * * *" \
--session isolated \
--message "生成科技新闻电台" \
--announce \
--channel feishu
LobsterAI: 在GUI中或通过对话创建定时任务：
"每天早上8点为我生成科技新闻电台"
Configuration
TTS配置
首次使用时，Skill会引导用户下载Qwen3-TTS模型。
OpenClaw: 配置存储在MEMORY.md中 LobsterAI: 配置存储在SQLite数据库中
用户偏好
用户偏好（订阅标签、常用音色等）：
- OpenClaw: 存储在MEMORY.md中
- LobsterAI: 存储在持久化记忆中
Workflow
1. 生成电台
- 解析用户输入的主题/标签
- 调用平台LLM生成内容
- 调用Qwen3-TTS模型转换为音频
- 保存音频文件
- 返回音频链接和文本摘要
Cowork Mode（推荐）
在LobsterAI/OpenClaw的cowork mode下，可以利用平台主对话LLM生成内容，本Skill只负责TTS合成。
支持任意LLM模型：Claude、GPT-4、Qwen、Llama、Gemini等
优势:
- ✅ 无需额外LLM API密钥
- ✅ 利用平台LLM的强大能力（任意模型）
- ✅ 内容生成更智能、更自然
- ✅ 支持多模型切换对比
重要：获取新闻内容
生成电台前，需要先获取最新新闻内容。建议多次调用 web-search skill 获取不同主题的新闻：
建议：生成的新闻文稿控制在 200字以内，确保音频时长在1分钟内，适合移动端收听。
注意：根据 web-search skill 的文档，它可能不能直接通过 Python 导入使用。请按以下顺序尝试：
- 首先尝试 Python 导入使用：
from web_search import search- 如果不行，尝试通过 bash 脚本调用：
bash scripts/web_search.sh "搜索关键词"
# 1. 首先，多次调用 web-search skill 获取不同主题的新闻
# （可能需要3-5次搜索以覆盖不同主题）
# 按上述说明尝试 Python 导入或 bash 脚本调用
# 搜索结果示例：
# - 第一次搜索: "今日国际要闻"
# - 第二次搜索: "最新科技动态"
# - 第三次搜索: "今日财经要闻"
# - 第四次搜索: "体育热点新闻"
# - 第五次搜索: "娱乐热点事件"
# 2. 平台主对话LLM整合搜索结果，生成连贯的电台内容
content = """
欢迎收听今日新闻摘要。
首先是国际要闻...（根据web-search结果生成）
接下来是科技动态...（根据web-search结果生成）
财经方面...（根据web-search结果生成）
体育要闻...（根据web-search结果生成）
娱乐热点...（根据web-search结果生成）
以上就是今天的新闻摘要，感谢收听。
"""
# 3. 调用Skill合成语音
audio_url = cowork_generate(
title="今日新闻摘要",
content=content,
voice="xiaoxiao", # 新闻适合女声
emotion="neutral"
)
print(f"音频已生成: {audio_url}")
本Skill仅支持Cowork Mode：
| 模式 | 内容生成 | TTS合成 | 需要API密钥 | 支持模型 |
|---|---|---|---|---|
| Cowork Mode | 平台LLM生成 | Skill合成 | 无需额外API | 任意模型 |
注意：本Skill仅支持Cowork Mode，内容由平台主对话LLM生成，Skill只负责TTS语音合成。
2. 设置定时任务
OpenClaw:
- 解析用户的定时需求
- 调用OpenClaw的cron系统创建任务
- OpenClaw按时执行任务并推送
LobsterAI:
- 解析用户的定时需求
- 调用LobsterAI的scheduled-task skill创建任务
- LobsterAI按时执行任务并推送
3. 配置TTS
- 检查模型是否已下载
- 展示可用音色供选择
- 保存配置到平台存储
Available Voices
中文音色
- xiaoxiao (晓晓): 女声，温柔，适合新闻播报
- yunjian (云健): 男声，沉稳，适合财经资讯
- xiaochen (晓辰): 女声，活泼，适合娱乐新闻
情感表达
- neutral: 中性，适合新闻播报
- happy: 开心，适合娱乐内容
- sad: 悲伤，适合严肃话题
- excited: 兴奋，适合科技突破
Examples
Example 1: 生成科技电台
User: "生成关于人工智能的电台"
Bot:
🎙️ 正在为您生成人工智能主题电台...
📝 内容摘要：
今天的人工智能领域发展迅速，OpenAI发布了最新的GPT-5模型...
🎧 [播放音频]
📥 [下载链接]
⏱️ 时长：3分45秒
Example 2: 设置定时推送
User: "每天早上8点推送科技新闻"
Bot:
✅ 定时任务创建成功！
⏰ 推送时间：每天早上8:00
📌 订阅标签：科技
📢 推送渠道：当前对话
明天早上8点将自动为您生成并推送电台！
Platform-Specific Notes
OpenClaw
- LLM配置复用OpenClaw的配置
- 定时任务使用OpenClaw的cron系统
- 用户配置存储在OpenClaw的MEMORY.md中
LobsterAI
- LLM配置复用LobsterAI的配置（Claude Agent SDK）
- 定时任务使用LobsterAI的scheduled-task skill
- 用户配置存储在LobsterAI的持久化记忆中
- 支持通过IM（飞书、钉钉、Telegram）远程触发
Troubleshooting
模型未下载
错误: "模型未找到" 或 "模型下载失败"
解决方案:
# 方法1: 使用HuggingFace
pip install huggingface_hub
huggingface-cli download Qwen/Qwen3-TTS-12Hz-0.6B-CustomVoice --local-dir ./models/Qwen3-TTS-12Hz-0.6B-Base
# 方法2: 使用ModelScope（国内用户推荐）
pip install modelscope
python -c "from modelscope import snapshot_download; snapshot_download('qwen/Qwen3-TTS-12Hz-0.6B-Base', cache_dir='./models')"
音频生成失败
错误: "音频生成失败"
可能原因:
- 模型未正确加载
- 内存/显存不足
- 文本过长
解决方案:
# 检查模型状态
python tests/verify_all.py
# 使用CPU模式（如果显存不足）
# 在配置中设置 use_gpu=False
# 检查系统资源
htop
Performance
- CPU推理: 1-2秒/100字
- GPU推理: 0.5-1秒/100字
- 内存占用: 约500MB
- 模型大小: 约5GB
Cost
- ✅ 完全免费
- ✅ 无API调用费用
- ✅ 无使用限制
- ✅ 可离线使用
Support
如有问题，请访问：
- GitHub Issues: https://github.com/your-repo/lobster-radio-skill
- OpenClaw文档: https://docs.openclaw.ai
- LobsterAI文档: https://github.com/netease-youdao/LobsterAI
- Qwen3-TTS文档: https://qwen.ai/blog?id=qwen3tts-0115