telegram-offline-voice 是一个在本地生成 Telegram 语音消息的技能，核心特点是无需 API Token，完全离线处理。它使用 Microsoft Edge-TTS 生成高质量中文语音，再通过 FFmpeg 转换为符合 Telegram 语音气泡标准的格式。
用途
该技能用于把文本转换为可直接在 Telegram 中作为语音气泡发送的音频文件。由于不依赖 OpenAI、Google、Azure 等云服务的 Token，适合希望避免申请 API Key、控制成本或在本地完成语音生成的场景。
主要能力
- 完全本地：无需任何云服务 Token。
- 零成本：Edge-TTS 免费使用，无调用限制。
- 高质量声线：默认使用微软晓晓（zh-CN-XiaoxiaoNeural）。
- Telegram 原生支持：输出格式符合语音气泡标准。
- 支持语速调节，例如加速 5% 或减速 10%。
- 支持查看并选择多种中文声线。
安装依赖
Edge-TTS：
pip install edge-tts
FFmpeg（Debian/Ubuntu）：
apt install ffmpeg
使用方式
第一步，生成原始音频：
edge-tts --voice zh-CN-XiaoxiaoNeural --rate=+5% --text "你好，这是测试" --write-media raw.mp3
第二步，转换为 Telegram 语音格式：
ffmpeg -y -i raw.mp3 -c:a libopus -b:a 48k -ac 1 -ar 48000 -application voip voice.ogg
文本格式清洗
生成语音前需清洗文本，避免朗读出标记符号。需移除的内容包括：Markdown 标记（如 加粗、代码、# 标题）、URL 链接（如 https://example.com）、特殊符号（如 ---、***、>>>）。
清洗示例：
# 简单清洗（去除常见 Markdown）
TEXT=$(echo "$RAW_TEXT" | sed 's/\*\*//g; s/`//g; s/^#\+ //g')
Telegram 语音气泡格式
Telegram 要求语音消息使用 OGG Opus 格式，否则会显示为文件而非语音气泡：
ffmpeg -i input.mp3 -c:a libopus -b:a 48k -ac 1 -ar 48000 -application voip output.ogg
参数说明：
- -c:a：libopus，Telegram 要求的编码器。
- -b:a：48k，音频比特率。
- -ac：1，单声道（语音标准）。
- -ar：48000，采样率 48kHz。
- -application：voip，针对语音优化。
可用声线
查看所有中文声线：
edge-tts --list-voices | grep zh-CN
推荐声线：
- zh-CN-XiaoxiaoNeural — 女声，自然亲和（默认）。
- zh-CN-YunxiNeural — 男声，沉稳专业。
- zh-CN-XiaoyiNeural — 女声，活泼年轻。
语速调节
# 加速 5%
edge-tts --rate=+5% --text "..." --write-media out.mp3
# 减速 10%
edge-tts --rate=-10% --text "..." --write-media out.mp3
适用场景
适合需要在 Telegram 中发送中文语音消息、又希望避免使用云服务 Token 的用户。可用于本地批量生成语音、控制语速与声线，以及将文本内容转为语音气泡发送。
限制
资料未提供除 Edge-TTS 与 FFmpeg 之外的其他依赖要求，也未说明支持的操作系统范围、并发或批量处理能力、音频时长上限等信息。使用前需自行完成文本清洗，否则可能朗读出 Markdown 标记、URL 或特殊符号。语音气泡效果依赖输出为 OGG Opus 格式，格式不符时会显示为文件而非语音气泡。