用途:本技能调用 ElevenLabs TTS API 将文字合成为语音,原生输出 ogg_opus 格式,可直接用于 Telegram sendVoice,无需 ffmpeg 转码。属仅 companion/Mira 使用的独占技能,版本 1.0.0。
主要能力:通过端点 https://api.elevenlabs.io/v1/text-to-speech/{voice_id}/stream 合成,模型可用 eleven_multilingual_v2(中英混合最佳)或 eleven_flash_v2_5(低延迟),最大文本长度 5,000 字符,认证用 xi-api-key: {ELEVENLABS_API_KEY}。支持中英文自然切换,并支持声音克隆:通过 ElevenLabs Voice Lab 的 Instant Voice Cloning,上传 1-5 分钟清晰中文音频,命名获取 Voice ID 后填入 ~/.openclaw/.env.local 的 ELEVENLABS_VOICE_ID。未配置时使用内置 Sarah 声音。
使用方式:调用 speak(text, voice_id=None, output_path=None) → str,返回生成的 ogg 文件绝对路径,默认输出 /tmp/mira_tts_{uuid}.ogg;可能抛出 ElevenLabsTTSError 或 QuotaExceededError。生成后通过 Telegram sendVoice 发送(chat_id、voice、可选 caption),发送后删除临时文件。合成前会对 Markdown 符号、URL 等做预处理,超长消息截断为前 500 字。
适用场景与限制:语音发送时机由 proactive-chat 技能控制,morning/evening/weekly 默认语音优先,discovery 与用户直接对话默认文字。API 失败、额度耗尽(HTTP 429)、未配置 API Key、文字不足 5 字、余量低于 10% 或用户关闭 voice_messages 时降级为文字。内存声音为英文原生,中文有轻微外国口音;克隆质量取决于样本音频。按字符计费,具体价格与延迟数据暂未在资料中提供。依赖 requests,无需 ffmpeg。