本页内容
本页内容
工具
文本转语音
OpenClaw 将出站回复转换为 Feishu、Matrix、Telegram 和 WhatsApp 上的本机语音消息。每个其他频道都会收到一个音频附件。电话和通话接收 PCM 或 Ulaw 流。
TTS 是 Talk 的 stt-tts 模式的语音输出一半(talk.speak 将此称为相同的合成路径)。提供商本地 realtime Talk 会话改为在实时提供商内部合成语音。 transcription 会话从不合成助理语音回复。
此页是一个索引。文本转语音记录共七页,每个读者作业一页。打开与您的任务匹配的页面。
| 页面 | 读它的时候 |
|---|---|
| 文本转语音快速入门 | 您正在打开 TTS、选择提供商并通过聊天对其进行测试。 |
| 文字转语音配置 | 您需要 tts 配置块、提供程序片段、本地引擎或覆盖优先级。 |
| 文本转语音角色 | 您需要一种稳定的语音身份、其提供者绑定及其后备策略。 |
| 命令和指令 | 您需要 [[tts:...]] 指令、/tts 命令或本地首选项所在的位置。 |
| 输出和自动TTS行为 | 您需要每个通道的音频格式、转码规则或 Auto-TTS 何时汇总。 |
| 文本转语音字段参考 | 您需要一个 TTS 字段的类型、默认值、环境变量或旧别名。 |
| 代理工具和网关 RPC | 您正在从代理工具调用或网关 RPC 方法调用 TTS。 |
各部分移动的地方
先前单页版本的每个部分标题都保留其锚点,因此现有链接(例如 /tools/tts#per-agent-voice-overrides)仍然可以解析。每个条目都指向现在保存内容的页面。
- 快速入门
- 支持的提供商
- 配置
- 本地语音 Swift 和语音核心
- 每座席语音覆盖
- 人物角色
- 最小人物
- [完整角色(特定于提供商的塑造)](</tools/tts/personas#full-persona-(provider-specific-shaping)>)
- 人物解析
- 自定义人物塑造
- 后备策略
- 模型驱动指令
- 斜线命令
- 每用户首选项
- 输出格式
- 自动-TTS行为
- 现场参考
- 世界初级
- 代理工具
- 网关RPC
- 完整角色(特定于提供商的塑造)
组件锚栓
之前的单页版本还为每个步骤、选项卡、手风琴和字段创建了一个锚点。这些锚点被保留在这里,以便任何到旧页面的深层链接仍然可以解析。当共享其 slug 的选项卡移至不同页面时,九个手风琴锚丢失了 -1 后缀。下面的存根保留旧的 id 并指向新的 id。
快速入门
配置
- Azure Speech
- ElevenLabs
- 鱼 Audio
- Google Gemini
- Gradium
- Inworld
- 本地 CLI
- Microsoft(无密钥)
- MiniMax
- OpenAI + ElevenLabs
- OpenRouter
- Volcengine
- xAI
- 小米 MiMo
- macOS HTTP
- macOS CLI
- Linux CLI
- Windows CLI
现场参考
- 顶级tts.*
- 顶级tts.* →
auto - 顶级tts.* →
enabled - 顶级tts.* →
mode - 顶级tts.* →
provider - 顶级tts.* →
persona - 顶级tts.* →
personas.<id> - 顶级tts.* →
summaryModel - 顶级tts.* →
modelOverrides - 顶级tts.* →
providers.<id> - 顶级tts.* →
maxTextLength - 顶级tts.* →
timeoutMs - Azure Speech
- Azure 语音 →
apiKey - Azure 语音 →
region - Azure 语音 →
endpoint - Azure 语音 →
speakerVoice - Azure 语音 →
lang - Azure 语音 →
outputFormat - Azure 语音 →
voiceNoteOutputFormat - ElevenLabs
- ElevenLabs →
apiKey - ElevenLabs →
modelId - ElevenLabs →
speakerVoiceId - ElevenLabs →
voiceSettings - ElevenLabs →
applyTextNormalization - ElevenLabs →
languageCode - ElevenLabs →
seed - ElevenLabs →
baseUrl - Google Gemini
- 谷歌 Gemini →
apiKey - 谷歌 Gemini →
model - 谷歌 Gemini →
speakerVoice - 谷歌 Gemini →
audioProfile - 谷歌 Gemini →
speakerName - 谷歌 Gemini →
promptTemplate - 谷歌 Gemini →
personaPrompt - 谷歌 Gemini →
baseUrl - Gradium
- 梯度 →
apiKey - 梯度 →
baseUrl - 梯度 →
speakerVoiceId - Inworld
- Inworld →
apiKey - Inworld →
baseUrl - Inworld →
modelId - Inworld →
speakerVoiceId - Inworld →
temperature - 本地 CLI (tts-local-cli)
- 本地 CLI (tts-local-cli) →
command - 本地 CLI (tts-local-cli) →
args - 本地 CLI (tts-local-cli) →
outputFormat - 本地 CLI (tts-local-cli) →
timeoutMs - 本地 CLI (tts-local-cli) →
cwd - 本地 CLI (tts-local-cli) →
env - Microsoft(无 API 密钥)
- Microsoft(无 API 密钥)→
enabled - Microsoft(无 API 密钥)→
speakerVoice - Microsoft(无 API 密钥)→
lang - Microsoft(无 API 密钥)→
outputFormat - Microsoft(无 API 密钥)→
rate / pitch / volume - Microsoft(无 API 密钥)→
saveSubtitles - Microsoft(无 API 密钥)→
proxy - Microsoft(无 API 密钥)→
timeoutMs - Microsoft(无 API 密钥)→
edge.* - MiniMax
- MiniMax →
apiKey - MiniMax →
baseUrl - MiniMax →
model - MiniMax →
speakerVoiceId - MiniMax →
speed - MiniMax →
vol - MiniMax →
pitch - OpenAI
- OpenAI →
apiKey - OpenAI →
model - OpenAI →
speakerVoice - OpenAI →
instructions - OpenAI →
responseFormat - OpenAI →
extraBody / extra_body - OpenAI →
baseUrl - OpenRouter
- OpenRouter →
apiKey - OpenRouter →
baseUrl - OpenRouter →
model - OpenRouter →
speakerVoice - OpenRouter →
responseFormat - OpenRouter →
speed - Volcengine (BytePlus 种子语音)
- Volcengine (BytePlus 种子语音) →
apiKey - Volcengine (BytePlus 种子语音) →
resourceId - Volcengine (BytePlus 种子语音) →
appKey - Volcengine (BytePlus 种子语音) →
baseUrl - Volcengine (BytePlus 种子语音) →
speakerVoice - Volcengine (BytePlus 种子语音) →
speedRatio - Volcengine (BytePlus 种子语音) →
emotion - Volcengine (BytePlus 种子语音) →
appId / token / cluster - xAI
- xAI →
apiKey - xAI →
baseUrl - xAI →
speakerVoiceId - xAI →
language - xAI →
responseFormat - xAI →
speed - 小米 MiMo
- 小米 MiMo →
apiKey - 小米 MiMo →
baseUrl - 小米 MiMo →
model - 小米 MiMo →
speakerVoice - 小米 MiMo →
format - 小米 MiMo →
style
服务链接
- Azure Speech 提供商
- Azure Speech REST 文本转语音
- 11个实验室提供商
- ElevenLabs Authentication
- ElevenLabs 文本至 Speech
- 鱼音频提供商
- Gradiium
- 全球提供商
- Inworld TTS API
- Microsoft Speech 输出格式
- MiniMax 提供商
- MiniMax T2A v2 API
- 节点边缘-tts
- OpenAI 提供商
- OpenAI 音频 API 参考
- OpenAI 文本转语音指南
- 语音核心
- 语音 Swift
- 火山引擎 TTS HTTP API
- xAI提供商
- xAI 文本转语音
- 小米 MiMo 语音合成。
相关内容
本页有帮助吗?