Audio Reply 是一个用于生成语音回复的技能，底层使用 MLX Audio 的 TTS 能力，具体模型为 chatterbox-turbo。它的目标是把文字内容或对话回复转成可播放的音频。
用途与触发方式 该技能通过特定短语触发。常见触发词包括：
- “read it to me [URL]”：抓取指定网址的内容并朗读出来。
- “talk to me [topic/question]”：针对某个话题或问题生成口语化的语音回复。
- “speak”“say it”“voice reply”：将回复转换为音频。
主要能力
- 读取网址内容：使用 WebFetch 抓取 URL 内容，提取可读文本（去除 HTML、聚焦正文），再通过 TTS 生成音频，播放后删除文件。
- 对话式语音回复：生成自然、口语化的回复，保持简洁，转换为音频后播放并删除文件。
使用方式 核心 TTS 命令如下：
uv run mlx_audio.tts.generate
--model mlx-community/chatterbox-turbo-fp16
--text "Your text here"
--play
--file_prefix /tmp/audio_reply
关键参数：
- --model mlx-community/chatterbox-turbo-fp16：快速、自然的语音。
- --play：自动播放生成的音频。
- --file_prefix：保存到临时位置以便清理。
- --exaggeration 0.3：可选，增加表现力（0.0-1.0）。
- --speed 1.0：可选，调整语速。
文本准备建议 “read it to me”模式：用 WebFetch 抓取 URL；提取正文，去除导航、广告和模板内容；如果内容很长（超过 500 词）则进行摘要，保留关键点；用句号和逗号添加自然停顿。 “talk to me”模式：以口语方式书写，像说话一样；使用缩写（I'm、you're、it's）；少量使用填充词以增加自然感（[chuckle]、um、anyway）；回复控制在 200 词以内以获得最佳质量；除非需要解释，否则避免技术术语。
音频生成与清理 播放后务必删除音频文件，因为内容已经存在于聊天记录中。示例：
OUTPUT_FILE="/tmp/audio_reply_$(date +%s)"
uv run mlx_audio.tts.generate
--model mlx-community/chatterbox-turbo-fp16
--text "Your response text"
--play
--file_prefix "$OUTPUT_FILE"
rm -f "${OUTPUT_FILE}"*.wav 2>/dev/null
错误处理 如果 TTS 失败：检查模型是否已下载（首次运行会下载约 500MB）；确保 uv 已安装并在 PATH 中；回退到文本回复并致歉。
示例工作流 示例 1：读取 URL 用户：read it to me https://blog.example.com/new-feature 助手操作：WebFetch 该 URL；提取文章内容；生成 TTS；删除音频文件；确认“Done reading the article to you.”。
示例 2：对话 用户：talk to me about what you can help with 助手操作：生成对话式回复文本；生成 TTS；删除音频文件；无需文本输出，音频即为回复。
适用场景 适合需要把网页内容或对话回复以语音形式呈现的场景，例如朗读文章、语音化问答等。
限制与注意事项 首次运行可能因模型下载（约 500MB）而较慢；音频质量以英语最佳，其他语言可能有所差异；长内容建议分块为多个音频片段；--play 使用系统音频，需确保音量已打开。