SuperAPI AI 工具集

sag

通用与其它

查看项目

更新于 10-16 06:43

技能介绍

用途:sag 用于调用 ElevenLabs 文本转语音并在本地播放,使用方式与 macOS 的 say 类似。

主要能力与用法:需提供 API key,优先使用环境变量 ELEVENLABS_API_KEY,CLI 也支持 SAG_API_KEY。快速开始:sag "Hello there";指定音色说话:sag speak -v "Roger" "Hello";列出音色:sag voices;还可使用 sag prompting 查看针对具体模型的提示建议。默认音色可通过 ELEVENLABS_VOICE_ID 或 SAG_VOICE_ID 设置。

模型:默认 eleven_v3(富有表现力),稳定版 eleven_multilingual_v2,快速版 eleven_flash_v2_5。

发音与语调规则:优先改写拼写(如 key-note)、加连字符、调整大小写;数字、单位与 URL 可用 --normalize auto(若伤害人名可设为 off);用 --lang en|de|fr|... 引导归一化。v3 不支持 SSML <break>,改用 [pause]、[short pause]、[long pause];v2/v2.5 支持 SSML <break time="1.5s" />,sag 未暴露 <phoneme>。

v3 音频标签置于行首,如 [whispers]、[shouts]、[sings]、[laughs]、[starts laughing]、[sighs]、[exhales]、[sarcastic]、[curious]、[excited]、[crying]、[mischievously]。示例:sag "[whispers] keep this quiet. [short pause] ok?"。

聊天语音回复:需要语音回复时可生成音频文件发送,例如 sag -v Clawd -o /tmp/voice-reply.mp3 "Your message here",再附 MEDIA:/tmp/voice-reply.mp3。角色风格可借助标签与停顿控制,如“疯狂科学家”用 [excited]、[short pause],平静用 [whispers] 或放慢节奏,戏剧化慎用 [sings]、[shouts]。默认音色 lj2rcrvANS3gaWWnczSX(可用 -v Clawd)。长输出前建议先确认音色与说话人。