SuperAPI AI 工具集

speakturbo-tts

智能体与模型

查看项目

更新于 10-16 05:07

技能介绍

用途:speakturbo 为智能体提供实时语音输出能力,把文本快速合成为语音,适合需要即时音频反馈的场景。

主要能力:首音延迟约 90ms(守护进程已预热时),首次运行需 2-5 秒启动守护进程并加载约 100MB 模型;实时系数约 4 倍,采样率 24kHz 单声道;内置 8 种声音(alba 为默认女声,另有 marius、javert、jean、fantine、cosette、eponine、azelma);支持长文本流式生成。

使用方式:基本用法 speakturbo "Hello world" 直接播放;用 -o 保存到文件,如 speakturbo "Hello" -o output.wav;-q 为安静模式;--list-voices 列出声音。架构为 Rust CLI(2.2MB)通过 HTTP 流式(端口 7125)连接 Python 守护进程,音频由 rodio 播放。守护进程首次使用时自动启动,空闲 1 小时后自动关闭。

限制:-o 仅能写入允许列表目录(/tmp 与系统临时目录、当前工作目录、~/.speakturbo/),其他路径需 --allow-dir,或写入 ~/.speakturbo/config 永久允许。不支持声音克隆与情感标签,需要这些功能应改用 speak。文本为 UTF-8,引号需转义。退出码 0 表示成功,1 表示错误。

适用场景:需要即时音频反馈、速度优先于声音多样性、内置声音已够用时使用。