sag 是一款基于 ElevenLabs 的文本转语音(TTS)命令行工具,主打类似 macOS「say」命令的使用体验,并支持本地播放。
用途
sag 用于将文本转换为语音并在本地播放,适合需要在命令行或脚本中快速生成语音输出的场景。
主要能力
- 通过 ElevenLabs 实现文本转语音并本地播放
- 支持多个 ElevenLabs 模型:默认 eleven_v3(表现力强),稳定版 eleven_multilingual_v2,快速版 eleven_flash_v2_5
- 支持指定音色(voice)
- 支持列出可用音色
- 支持将音频输出为文件
- 支持发音与朗读控制:重拼写、连字符、大小写调整;--normalize 控制数字、单位与 URL 的规范化(auto 或 off);--lang 语言偏置(如 en、de、fr 等)
- v3 模型支持音频标签,如 [whispers]、[shouts]、[sings]、[laughs]、[starts laughing]、[sighs]、[exhales]、[sarcastic]、[curious]、[excited]、[crying]、[mischievously],标签需置于行首
- v3 模型支持停顿标记:[pause]、[short pause]、[long pause],但不支持 SSML <break>
- v2/v2.5 模型支持 SSML <break time="1.5s" />;sag 未暴露 <phoneme>
使用方式
API 密钥(必需)
- ELEVENLABS_API_KEY(优先)
- CLI 也支持 SAG_API_KEY
快速开始
- sag "Hello there"
- sag speak -v "Roger" "Hello"
- sag voices
- sag prompting(模型特定提示)
音色默认值
- ELEVENLABS_VOICE_ID 或 SAG_VOICE_ID
- 长时间输出前应先确认音色与说话人
聊天语音回复 当有人要求「语音」回复时,可生成音频并发送:
生成音频文件
sag -v Clawd -o /tmp/voice-reply.mp3 "Your message here"
然后在回复中包含:
MEDIA:/tmp/voice-reply.mp3
音色角色提示
- 疯狂科学家:使用 [excited] 标签、戏剧性停顿 [short pause]、变化强度
- 平静:使用 [whispers] 或更慢的节奏
- 戏剧化:少量使用 [sings] 或 [shouts]
- Clawd 默认音色:lj2rcrvANS3gaWWnczSX(或直接 -v Clawd)
适用场景
适合命令行环境下的语音朗读、脚本化语音生成、聊天回复中的语音输出等。
限制
- 需要 ElevenLabs API 密钥
- v3 不支持 SSML <break>,需改用 [pause] 类标记
- sag 未暴露 <phoneme>
- 其他平台支持、收费与价格信息暂未提供