SuperAPI AI 工具集

voice-to-me

办公与效率

查看项目

更新于 10-15 21:52

技能介绍

用途:把回答转成口语稿并合成 MP3,再通过 QQ 发送语音。当用户要求语音回复、音频回复、朗读、发语音或读给我听时使用。

依赖:需安装 edge-tts,命令为 python3 -m pip install "edge-tts>=7.0,<8";系统还须安装 ffmpeg,用于默认降噪和追加尾部静音。

生成方式:先整理朗读文本,保持自然口语,移除 Markdown 语法、不应朗读的 URL、文件标签及模型或会话元数据。输出必须位于当前工作目录,QQ 网关才能接收,默认路径为 .qq-voice/reply-<timestamp>.mp3。从可用 Skills 列表获取本 Skill 目录路径后运行:python3 "<skill-dir>/scripts/voice_to_me.py" --text "要朗读的内容" --output "$PWD/.qq-voice/reply-$(date +%Y%m%d-%H%M%S).mp3"。

参数:--voice 默认 xiaoyi(zh-CN-XiaoyiNeural),仅当用户明确偏好更成熟声音时用 xiaoxiao;--rate 默认 1.13(+13% 语速),范围 0.5–2.0;--tail-silence 默认 0.5 秒,范围 0–5;--denoise 默认开启,做轻度高通、去齿音、低通,抑制低频隆隆声与高频嘶声,--no-denoise 关闭,仅在用户要求保留原始音色时使用。默认人设还含 +7Hz 音高。

较长或含 Shell 特殊字符的文本,可先保存到会话工作区,再用 --text-file <path> 代替 --text。降噪会额外消耗少量 CPU 并重新编码音频,且不一定能消除合成语音本身的高频纹理。

返回方式:成功生成后,在最终回复中单独另起一行添加 <qqvoice>/absolute/path/to/reply.mp3</qqvoice>,使用脚本打印的绝对路径,不要放入 Markdown 代码块;语音回复时不需要回复其他文字。