sag 用于调用 ElevenLabs 文本转语音并本地播放,交互风格类似 macOS 的 say 命令。
用途与用法:需提供 API 密钥,优先使用环境变量 ELEVENLABS_API_KEY,CLI 也支持 SAG_API_KEY。基本用法为 sag "Hello there";指定语音可用 sag speak -v "Roger" "Hello";查看可用语音用 sag voices。
模型:默认 eleven_v3(富有表现力),稳定版 eleven_multilingual_v2,快速版 eleven_flash_v2_5。
发音与朗读控制:优先通过重新拼写(如 key-note)、加连字符、调整大小写来修正发音;数字、单位、URL 可用 --normalize auto(若影响人名可设为 off);用 --lang en|de|fr 等引导规范化。v3 不支持 SSML <break>,改用 [pause]、[short pause]、[long pause];v2/v2.5 支持 SSML <break time="1.5s" />,但 sag 未暴露 <phoneme>。v3 音频标签需放在行首,如 [whispers]、[shouts]、[sings]、[laughs]、[sighs]、[sarcastic]、[curious]、[excited] 等,例如 sag "[whispers] keep this quiet. [short pause] ok?"。
语音默认值:可通过 ELEVENLABS_VOICE_ID 或 SAG_VOICE_ID 设置;长文本输出前建议先确认语音与说话人。
生成音频文件示例:sag -v ThinkFleet -o /tmp/voice-reply.mp3 "Your message here",随后可在回复中引用 MEDIA:/tmp/voice-reply.mp3。
限制:必须配置 API 密钥;部分 SSML 能力未开放;具体收费、平台支持与效果资料暂未提供。