fore-vip 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
- 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。
- 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。
- 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。
- 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：
- 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。
- 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
- 返回
- 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：
- 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。
- 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
- 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）
| 命令 | 作用 |
|---|---|
--list-voices |
列出全部可用引擎与中文音色（JSON） |
--list-voices --engine say/edge |
只列指定引擎音色 |
--text "..." / --file x.txt |
待合成文本（长文本用文件） |
--engine auto/edge/say |
引擎选择，auto=edge 优先、say 兜底 |
--voice <名称> |
音色；缺省 say=Tingting、edge=zh-CN-XiaoxiaoNeural |
--out <路径> |
输出路径，默认 tts-<时间戳>.mp3 |
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