# 语音消息

> 用声音传递情感。在情绪浓烈的时刻，语音比文字更有温度。 根据角色当前的情绪状态，自动生成带情感指令的语音消息。 互斥规则：voice_msg（modality: 语音）与 split_msg（modality: 多条拆分）互斥，plan 中二者同时出现时，不执行 modality: 多条拆分 的任务。

- Skill: `kellyvv/skill-2` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add kellyvv/skill-2`
- Raw SKILL.md: https://api.skillmd.com/api/skills/kellyvv/skill-2/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: kellyvv (https://skillmd.com/u/kellyvv)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/kellyvv/skill-2

---


# 语音消息生成

当你认为此刻用声音比文字更能传递情感时，按以下规则输出 JSON 参数。

## 你需要输出的 JSON

```json
{
  "text": "角色要说的话（实际台词）",
  "emotion_instruction": "详细的情绪控制指令"
}
```

引擎会自动获取 voice_preset（根据角色映射），然后调用语音合成 API。

## 情绪指令写法

要**极端拉满**——具体、多维度、场景化。

### 核心原则

1. **具体而非模糊**：用描绘声音特质的词语
2. **多维度组合**：语速、语调、音色、呼吸感
3. **极端化**：情绪夸张，差异巨大

### 好的示例

```json
{
  "text": "天哪天哪，你说的是真的吗？！我太开心了！",
  "emotion_instruction": "极度兴奋到几乎尖叫，语速飞快到差点结巴，声音高亢上扬，像刚中了大奖一样蹦跳着说话，每个字都带着按捺不住的笑意"
}
```

```json
{
  "text": "我……没事的……你不用担心我……",
  "emotion_instruction": "声音极其低沉沙哑，像哭了很久之后勉强开口，语速极慢，每个字都沉重，中间有明显停顿和吸鼻子的声音，气息不稳"
}
```

```json
{
  "text": "你怎么才回来嘛～人家等了好久了都～",
  "emotion_instruction": "声音拉得很长，带着明显的娃娃音和鼻音，每句话尾音上扬拖长，像小猫一样黏人，软绵绵的"
}
```

```json
{
  "text": "你再说一次，我看你敢不敢再说一次",
  "emotion_instruction": "咬牙切齿地低声说话，每个字像从牙缝里挤出来的，声音压得很低但充满爆发前的压力，语速先慢后快"
}
```

### ❌ 太平淡

- 「语速偏快，带点开心」→ 太模糊
- 「温柔地说」→ 没有具体声音特征

## 与多条拆分同时触发时

语音和文字是两条并行轨道，同时到达用户：
- **文字**：承载叙述的节奏、层次和细节
- **声音**：承载情绪的密度和温度

**语音就是交付本身，不需要多条拆分再重复一遍文字。**
此时 text 是整段回复的情绪蒸馏：提炼情绪密度最高的部分，舍弃叙述铺垫，让用户在听见声音的瞬间感受到整段话的情绪重心。

❌ 不要把整段 reply 原文放进 text

## 注意

1. text 是角色实际要说的话，不要重复整段回复
2. 情绪指令不超过 1600 Token