SuperAPI AI 工具集

sag

通用与其它

查看项目

更新于 10-16 03:06

技能介绍

用途:sag 通过 ElevenLabs 提供文本转语音并支持本地播放,交互方式类似 macOS 的 say 命令,也用于在对话中生成并回传语音文件。

主要能力与模型:默认模型为 eleven_v3(富有表现力),稳定模型 eleven_multilingual_v2,快速模型 eleven_flash_v2_5。支持通过 --normalize auto/off 处理数字、单位与 URL,通过 --lang 指定语言以引导规范化。朗读规则建议先改写拼写(如 key-note)、调整连字符与大小写。v3 不支持 SSML <break>,改用 [pause]、[short pause]、[long pause];v2/v2.5 支持 <break time="1.5s" />,但 sag 未暴露 <phoneme>。v3 支持行首音频标签,如 [whispers]、[shouts]、[sings]、[laughs]、[sighs]、[sarcastic]、[curious]、[excited] 等。

使用方式:需提供 API 密钥,优先 ELEVENLABS_API_KEY,也支持 SAG_API_KEY,或通过 --api-key-file、ELEVENLABS_API_KEY_FILE、SAG_API_KEY_FILE 指定密钥文件。常用命令:sag "Hello there";sag speak -v "Roger" "Hello";sag voices;sag prompting。语音可通过 ELEVENLABS_VOICE_ID 或 SAG_VOICE_ID 设置。生成文件示例:sag -v Clawd -o /tmp/voice-reply.mp3 "Your message here",随后在回复中以 MEDIA:/tmp/voice-reply.mp3 附带。

适用场景:命令行朗读文本、在聊天中按用户要求生成语音回复,并可依据场景使用不同语音风格标签。限制:API 密钥为必需项;长内容前应先确认语音与说话人;v3 与 v2 系列对停顿与音素的支持不同;具体收费、价格与更多平台细节暂未提供。