SuperAPI AI 工具集

text-to-speech

通用与其它

查看项目

更新于 10-15 20:31

技能介绍

用途:当用户要求朗读、说话、播报内容、生成语音邮件或让计算机扬声器发声时使用。该技能强调产生真实音频,而不只是返回文本。

主要能力:先从用户请求中提取待朗读文本,再尝试最简单的操作系统内置 TTS。macOS 可用 say "{{TEXT_CONTENT}}",可通过 say -v Samantha "..." 指定声音;Linux 可用 espeak "{{TEXT_CONTENT}}" 或 spd-say "{{TEXT_CONTENT}}";以退出码 0 验证是否成功。

当需要更高质量或简单方式失败时,可升级到 OpenAI TTS:先通过 get_keys、search_computer、ask_user 查找 API key,然后调用接口生成 MP3,再用 afplay(macOS)或 mpv/aplay(Linux)播放。示例命令:curl -s https://api.openai.com/v1/audio/speech -H "Authorization: Bearer ${OPENAI_API_KEY}" -H "Content-Type: application/json" -d '{"model":"tts-1","input":"hello I am P-H-P Bot","voice":"alloy"}' --output /tmp/speech.mp3 && afplay /tmp/speech.mp3。

适用场景:朗读文本、语音播报、播报通知、生成语音消息、要求 TTS 输出等。最后应向用户确认音频已从扬声器播放。限制:依赖本机扬声器和操作系统命令;OpenAI 路径需要有效 API key 及网络;资料未提供其他依赖、费用或跨平台细节。