用途:调用 MiniMax T2A v2 API 将文字合成为语音,输出 ogg/opus 格式并通过 Telegram sendVoice 发送,针对中文普通话优化。该技能为独占技能,仅 companion/Mira 使用。
主要能力:支持模型 speech-01-hd(高品质)与 speech-01(标准、低延迟);默认声音 female-zhixing,可选 female-tianmei、female-shaonv、female-qingxin,并可由 USER.md 的 voice_preference 覆盖;最大文本长度 5000 字符;合成前对文本做预处理,如移除 Markdown 符号、将 URL 替换为「一个链接」、超过 500 字时截断为前 500 字并另发完整文字版。
使用方式:调用 speak(text, voice_id=None, output_path=None) 返回 ogg 文件绝对路径,默认路径为 /tmp/mira_tts_{uuid}.ogg。流程为构造 POST 请求到 https://api.minimax.chat/v1/t2a_v2,接收 mp3 后调用 ffmpeg 转码,命令为 ffmpeg -i /tmp/mira_tts_{uuid}.mp3 -c:a libopus -b:a 64k -ar 48000 /tmp/mira_tts_{uuid}.ogg,随后清理 mp3 并返回 ogg。认证使用 Authorization: Bearer {MINIMAX_API_KEY} 与 GroupId。依赖 requests 与 ffmpeg,可执行 brew install ffmpeg 安装。
适用场景:Mira 的日常陪伴消息,morning、evening、weekly 类型默认语音优先,discovery 及用户直接对话默认文字优先,除非用户要求。
限制:API Key、Group ID 未配置,API 非 200,ffmpeg 未安装,文字少于 5 字,用户关闭语音,或 discovery 消息含外链时均降级为文字并记录日志。不支持声音克隆。其他平台细节、收费与价格暂未提供。