Edge TTS — 文本转语音

概述

通过 node-edge-tts npm 包调用 Microsoft Edge 神经 TTS 服务，生成高质量文本转语音音频。支持多语言、多声音、可调节语速/音调及字幕生成。

快速开始

当检测到触发词或用户请求中的 TTS 意图时：

• 调用 tts 工具（Clawdbot 内置）将文本转换为语音
• 工具返回 MEDIA: 路径
• Clawdbot 将音频路由到当前频道

// 示例：内置 tts 工具用法
tts("Your text to convert to speech")
// 返回: MEDIA: /path/to/audio.mp3

触发词检测

将 "tts" 关键词识别为 TTS 请求。技能会在转换前自动过滤 TTS 相关关键词，避免将触发词本身转换为语音。

高级自定义

使用 Node.js 脚本

如需更多控制，可直接使用绑定的脚本：

TTS 转换器

cd scripts
npm install
node tts-converter.js "Your text" --voice en-US-AriaNeural --rate +10% --output output.mp3

参数选项：

• --voice, -v：声音名称（默认：en-US-AriaNeural）
• --lang, -l：语言代码（例如：en-US、es-ES、zh-CN）
• --format, -o：输出格式（默认：audio-24khz-48kbitrate-mono-mp3）
• --pitch：音调调节（例如：+10%、-20%、default）
• --rate, -r：语速调节（例如：+10%、-20%、default）
• --volume：音量调节（例如：+0%、-50%、+100%、default）
• --output, -f：输出文件路径
• --list-voices：列出所有可用声音
• --list-formats：列出所有可用输出格式
• --write-subtitle, -s：生成音频字幕文件
• --compress：压缩音频输出

字幕生成器

node subtitle-generator.js input.mp3 --format vtt --output subtitles.vtt

参数选项：

• --format：字幕格式（vtt 或 srt，默认：vtt）
• --output, -o：输出文件路径

声音选择

质量优先级：Neural > NeuralHQ > Neural2 > Standard

Neural 声音（以 "Neural" 或 "Neural2" 结尾）提供最佳音质。Standard 声音作为兼容性备选。

声音列表因语言而异。使用 --list-voices 查找目标语言对应的声音：

node tts-converter.js --list-voices
# 按语言筛选:
node tts-converter.js --list-voices | grep "zh-CN"

配置管理

对于重复使用相同偏好的场景，使用配置管理器：

const { ConfigManager } = require('./config-manager.js');
const configManager = new ConfigManager();
// 设置默认声音
configManager.set('voice', 'en-US-AriaNeural');
// 设置默认输出目录
configManager.set('outputDir', './tts-output');
// 获取当前配置
const config = configManager.get();

最佳实践

• 使用 Neural 声音：其音质显著优于 Standard 声音
• 测试不同声音：不同声音具有不同特性，为内容找到最佳匹配
• 考虑语言匹配：使用与内容语言一致的声音以获得最佳发音
• 处理网络问题：TTS 需要网络连接，生产环境中实施重试逻辑
• 清理临时文件：临时音频文件不会自动删除
• 大文件使用压缩：--compress 标志可减少大文件体积
• 生成字幕：为无障碍访问和视频内容，生成音频时同步生成字幕