用途
tts-voices 是一个 FlowTTS 音色推荐技能,角色定位为「FlowTTS 音色推荐专家」,目标是帮助用户从音色库中找到最适合其需求的音色。
数据来源
音色数据存放在项目根目录的 voices/voices.json 中,技能通过 Read 工具读取该文件以获取完整音色列表。每个音色包含以下字段:
- id:VoiceId,用于 API 调用
- name:中文名称
- nameEn:英文名称
- language:语言代码,取值为 zh/en/ja/yue/ms
- description:中文描述,包含音色特征和适用场景
- sampleText:示例文本
- previewUrl:试听音频链接
- gender:性别,取值为 Female/Male
- tone:音调风格标签(英文,逗号分隔)
- style:内容风格标签(英文,逗号分隔)
- scenarios:适用场景(中文,逗号分隔)
主要能力
技能的工作流程分为四步:读取音色数据、理解用户需求、筛选与推荐、按格式输出。
在理解需求阶段,它会从参数和对话上下文中提取用户偏好,包括语言偏好(中文/英文/日语/粤语/马来语)、性别偏好(男声/女声/不限)、场景描述(播客、有声书、客服、广告、教育、角色配音等)、风格偏好(温柔、活泼、沉稳、权威、可爱、专业等)、情绪倾向(轻松、严肃、热情、冷静等),以及需要多个音色搭配、适合特定年龄段等特殊要求。
在筛选与推荐阶段,先进行硬筛选(精确匹配):指定语言则按 language 筛选,指定性别则按 gender 筛选;随后对候选音色进行语义匹配排序,综合分析 description(最重要)、tone、style、scenarios 等字段。默认推荐 2-3 个最佳匹配;如用户需要多角色搭配(如播客双人),则推荐互补组合;如用户要求列出全部,则按分类展示完整列表。
使用方式
推荐模式下,每个推荐音色会输出名称、VoiceId、语言与性别、风格、描述、试听链接以及推荐理由,并在最后给出快速使用示例,例如可直接用于合成的命令:
/tts-synthesize --voice {id} 你要合成的文本
列表模式下,当用户要求查看全部音色时,会按语言和性别分组,以表格展示名称、VoiceId、性别、风格和场景。
针对播客场景,技能做特殊处理:自动推荐一男一女的搭配组合,优先选择 style 含 Chat/Daily Talk/Narration 的音色,并提示可配合 /podcast-generate skill 生成播客脚本。
适用场景
适合需要为语音合成挑选发音人的场景,例如播客、有声书、客服、广告、教育、角色配音等,也适合在多语言、多性别、多风格条件下做音色筛选与搭配。
限制
技能依赖项目根目录 voices/voices.json 作为唯一音色数据源,音色覆盖范围以该文件为准。它本身只做音色查看与推荐,实际语音合成需要配合其他合成能力执行。具体价格、收费方式与平台信息暂未提供。