Lobster Radio

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

1. 解析用户输入的主题/标签
2. 调用平台LLM生成内容
3. 调用Qwen3-TTS模型转换为音频
4. 保存音频文件
5. 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：

1. 首先尝试 Python 导入使用：from web_search import search
2. 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：

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:

1. 解析用户的定时需求
2. 调用OpenClaw的cron系统创建任务
3. OpenClaw按时执行任务并推送

LobsterAI:

1. 解析用户的定时需求
2. 调用LobsterAI的scheduled-task skill创建任务
3. LobsterAI按时执行任务并推送

3. 配置TTS

1. 检查模型是否已下载
2. 展示可用音色供选择
3. 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:

1. 模型未正确加载
2. 内存/显存不足
3. 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