Lord1Egypt 多角色音频生成器 Skill v1.0.1 全家桶版
🎯 简介
多角色音频生成器全家桶版是一个通用、专业、中性的OpenClaw Skill，专门解决多角色对话音频生成的技术挑战。彻底清理了硬编码内容，提供纯净的专业工具。
诞生背景：
- 基于真实用户反馈和优化迭代开发
- 解决"多角色对话音频生成困难"的实际问题
- 采用"简化优先"的设计哲学
- 承认技术限制，提供最佳实践方案
核心价值：
- 解决真实问题：多角色音频生成的技术挑战
- 提供优化方案：基于真实反馈的优化迭代
- 简化使用流程：一键生成高质量多角色音频
- 开源共享价值：帮助其他有类似需求的人
🚀 快速开始
安装依赖：
# 安装Edge TTS
pip install edge-tts
# 安装ffmpeg (macOS)
brew install ffmpeg
# 安装ffmpeg (Ubuntu/Debian)
sudo apt install ffmpeg
基本使用：
# 1. 准备多角色脚本
# 创建脚本文件 dialogue.txt
# 格式：
# 【角色A】
# 角色A的对话内容
#
# 【角色B】
# 角色B的对话内容
# 2. 运行生成器
./scripts/multirole-generator.sh dialogue.txt
输出结果：
output/角色A_音频.mp3output/角色B_音频.mp3output/多角色对话_最终版.mp3output/空间版/(带空间位置感的版本)
📁 文件结构
multirole-tts-skill/
├── SKILL.md # 技能说明文档
├── README.md # 项目README
├── scripts/ # 核心脚本
│ ├── multirole-generator.sh # 主生成脚本
│ ├── parse-script.sh # 脚本解析器
│ ├── generate-audio.sh # 音频生成器
│ └── spatial-audio.sh # 空间音频处理器
├── examples/ # 示例文件
│ ├── simple-dialogue.txt # 简单对话示例
│ ├── three-characters.txt # 三角色示例
│ └── config-example.json # 配置示例
├── docs/ # 文档
│ ├── usage-guide.md # 使用指南
│ ├── best-practices.md # 最佳实践
│ └── troubleshooting.md # 故障排除
└── config/ # 配置文件
└── default-config.json # 默认配置
🔧 核心功能
1. 脚本解析：
- 自动识别角色标记（【角色名】）
- 提取各角色对话内容
- 支持中文角色名
- 自动过滤标记符号
2. 音频生成：
- 使用Edge TTS生成高质量音频
- 支持多种中文声音（Xiaoxiao, Xiaoyi, Yunxia等）
- 可配置语速、音量、音调
- 自动错误处理和重试
3. 空间音频处理：
- 使用ffmpeg添加空间位置感
- 可配置各角色的空间位置
- 支持立体声空间感
- 音频质量优化
4. 音频合成：
- 智能合成多角色对话
- 保持自然对话节奏
- 音频质量标准化
- 淡入淡出效果
⚙️ 配置选项
角色声音配置：
{
"角色A": {
"voice": "zh-CN-XiaoxiaoNeural",
"rate": "+10%",
"volume": "0dB"
},
"角色B": {
"voice": "zh-CN-XiaoyiNeural",
"rate": "+15%",
"volume": "0dB"
}
}
空间位置配置：
{
"spatial_positions": {
"角色A": "center",
"角色B": "left",
"角色C": "right"
}
}
音频质量配置：
{
"audio_quality": {
"bitrate": "192k",
"samplerate": "44100",
"channels": "stereo",
"normalization": true
}
}
📝 脚本格式
基本格式：
【角色名】
角色的对话内容
可以有多行
【另一个角色】
另一个角色的对话内容
示例：
【花花】
宝贝，训练开始了。
今天只有我和小霞。
【小霞】
对，就我们两个。
更直接，更亲密。
【花花】
放松，完全信任我们。
【小霞】
我会一直引导你的心理。
高级功能：
- 支持场景标记：
=== 场景名 === - 支持注释：
# 这是注释 - 支持空行分隔
- 自动过滤标记符号
🎨 最佳实践
基于真实经验的建议：
1. 简化优先原则：
- 推荐：2-3个角色，不要过多
- 原因：太多角色会增加技术复杂度，降低对话自然度
- 经验：两人对话比三人复杂互动更自然
2. 对话节奏优化：
- 短句优先：每个角色每次说话1-3句
- 频繁切换：增强对话感和互动感
- 自然节奏：模仿真实对话节奏
3. 技术限制认知：
- Edge TTS限制：一次生成整个角色的所有内容
- 合成限制：无法实现真正一句一句的交替
- 现实方案：在技术限制内做到最好
4. 用户体验优化：
- 心理引导：在脚本中加入心理引导
- 空间感增强：使用空间音频增强沉浸感
- 质量优先：追求音频质量而非技术复杂度
🔄 工作流程
输入脚本 → 解析角色 → 生成各角色音频 → 添加空间感 → 合成最终音频
↓ ↓ ↓ ↓ ↓
dialogue.txt → 角色A/B内容 → A.mp3/B.mp3 → A空间.mp3 → final.mp3
详细步骤：
- 脚本解析：提取各角色对话内容
- 音频生成：使用Edge TTS生成各角色音频
- 空间处理：使用ffmpeg添加空间位置感
- 音频合成：合成最终多角色对话音频
- 质量优化：标准化音量，添加淡入淡出
📊 性能优化
批量处理：
# 批量处理多个脚本
./scripts/batch-process.sh scripts/*.txt
并行生成：
# 并行生成各角色音频（如果系统支持）
./scripts/parallel-generator.sh dialogue.txt
缓存机制：
- 缓存已生成的音频文件
- 避免重复生成相同内容
- 提高处理效率
🐛 故障排除
常见问题：
1. Edge TTS安装失败：
# 确保Python版本正确
python --version # 需要Python 3.7+
# 重新安装
pip uninstall edge-tts
pip install edge-tts --upgrade
2. ffmpeg命令找不到：
# 检查ffmpeg安装
which ffmpeg
# 安装ffmpeg
# macOS: brew install ffmpeg
# Ubuntu: sudo apt install ffmpeg
3. 音频合成失败：
- 检查各角色音频文件是否存在
- 检查音频文件格式是否一致
- 检查ffmpeg版本是否支持所需功能
4. 空间音频效果不佳：
- 调整空间位置参数
- 检查耳机或音响设备
- 尝试不同的空间布局
调试模式：
# 启用详细日志
DEBUG=1 ./scripts/multirole-generator.sh dialogue.txt
# 保存中间文件
KEEP_INTERMEDIATE=1 ./scripts/multirole-generator.sh dialogue.txt
🤝 贡献指南
欢迎贡献：
- 提交Issue报告问题
- 提交Pull Request改进代码
- 分享使用经验和最佳实践
- 翻译文档到其他语言
开发环境：
# 克隆仓库
git clone https://github.com/yourusername/multirole-tts-skill.git
# 安装开发依赖
cd multirole-tts-skill
pip install -r requirements-dev.txt
# 运行测试
./scripts/run-tests.sh
代码规范：
- 遵循Shell脚本最佳实践
- 添加详细的注释
- 编写测试用例
- 更新文档
📄 许可证
MIT License - 详见LICENSE文件
🙏 致谢
特别感谢：
- Edge TTS项目：提供高质量的TTS服务
- ffmpeg项目：强大的音频处理工具
- OpenClaw社区：优秀的AI助手平台
- 所有贡献者：让这个项目变得更好
灵感来源：
这个Skill的灵感来源于真实的用户需求和优化迭代经验。特别感谢那些提供宝贵反馈的用户，他们的需求驱动了这个项目的诞生和发展。
🔗 相关资源
最后更新：2026年3月22日 版本：v1.0.0 状态：稳定可用 作者：迷人花花（基于真实需求开发）