SuperAPI AI 工具集

sag

通用与其它

查看项目

更新于 11-04 16:18

技能介绍

sag 是一个基于命令行的 ElevenLabs 文本转语音(TTS)工具,提供类似 macOS say 命令的操作体验,并将生成的语音在本地播放。

用途与主要能力

  • 文本转语音:将输入文本转换为语音并本地播放,例如 sag "Hello there"。
  • 语音选择:可通过 -v 参数指定语音,例如 sag speak -v "Roger" "Hello";也可用 sag voices 列出可用语音。
  • 生成音频文件:支持通过 -o 参数输出音频文件,例如 sag -v Clawd -o /tmp/voice-reply.mp3 "Your message here"。
  • 模型选择与说明:默认使用 eleven_v3(表现力强),稳定版为 eleven_multilingual_v2,快速版为 eleven_flash_v2_5。
  • 发音与表现力控制:支持通过重拼写、连字符和大小写调整改善发音;--normalize 控制数字、单位、URL 的规范化;--lang 指定语言引导规范化。
  • 音频标签:v3 模型支持 [whispers]、[shouts]、[sings]、[laughs]、[sighs]、[sarcastic]、[curious]、[excited] 等标签,需放在行首;v3 不支持 SSML <break>,应使用 [pause]、[short pause]、[long pause]。v2/v2.5 支持 SSML <break time="1.5s" />,但 sag 未暴露 <phoneme>。

使用方式

  • 需要配置 API 密钥:优先使用 ELEVENLABS_API_KEY,CLI 也支持 SAG_API_KEY。
  • 可设置默认语音:通过 ELEVENLABS_VOICE_ID 或 SAG_VOICE_ID。
  • 基本命令:sag "Hello there"、sag speak -v "Roger" "Hello"、sag voices。
  • 聊天语音回复:生成音频文件后,在回复中引用 MEDIA:/tmp/voice-reply.mp3。

适用场景

  • 终端中快速生成语音反馈或语音回复。
  • 聊天场景中按需生成带语气风格的语音消息。
  • 需要本地播放或保存 ElevenLabs 语音输出的脚本化流程。

限制与注意事项

  • 必须提供 ElevenLabs API 密钥,否则无法使用。
  • 不同模型对 SSML 和音频标签的支持不同,v3 不支持 SSML <break>。
  • 长文本输出前建议先确认语音和说话人。
  • 资料未提供收费、价格、平台兼容性等更多信息。