Text-to-Speech Skill

将文本转换为语音，支持 Kokoro TTS v1.1-zh（本地 Docker，102 个中文音色）和 Edge TTS（在线）。

引擎对比

特性	Kokoro TTS v1.1-zh	Edge TTS
质量	更自然、接近真人	标准 Neural 语音
网络	不需要（本地 Docker）	需要网络连接
中文女声	55 个	13 个
中文男声	44 个	5 个
英文音色	3 个	0（需切换英文声音）
语速调节	speed 参数	rate/pitch/volume
前提	Docker 容器需运行	无
配置值	kokoro	edge

使用说明

# 默认使用 Kokoro TTS（当前配置）
python3 ~/.claude/skills/text-to-speech/scripts/text_to_speech.py <文本文件>

# 指定引擎
python3 ~/.claude/skills/text-to-speech/scripts/text_to_speech.py script.txt --engine kokoro
python3 ~/.claude/skills/text-to-speech/scripts/text_to_speech.py script.txt --engine edge

# 指定声音
python3 ~/.claude/skills/text-to-speech/scripts/text_to_speech.py script.txt -v zf_094

# 指定输出文件
python3 ~/.claude/skills/text-to-speech/scripts/text_to_speech.py script.txt -o output.mp3

# 调整语速（Kokoro）
python3 ~/.claude/skills/text-to-speech/scripts/text_to_speech.py script.txt --speed 1.2

# 列出所有可用声音
python3 ~/.claude/skills/text-to-speech/scripts/text_to_speech.py --list-voices

Kokoro TTS v1.1-zh 声音

使用 --list-voices 查看完整列表（102 个）。

推荐声音

• zf_094 - 女声（默认，自然温柔）
• zf_001 - 女声
• zm_009 - 男声
• zm_050 - 男声

英文声音

• af_maple - 女声（Maple）
• af_sol - 女声（Sol）
• bf_vale - 男声（Vale）

声音命名规则

• zf_XXX - 中文女声（55 个）
• zm_XXX - 中文男声（44 个）
• af_/bf_ - 英文声音（3 个）

启动 Kokoro 服务

Kokoro TTS 需要 Docker 容器运行：

# 启动
cd /Users/m/document/QNSZ/project/kokoro-tts && ./start.sh

# 停止
cd /Users/m/document/QNSZ/project/kokoro-tts && ./stop.sh

# Web UI 试听
# http://localhost:8880/web/

核心功能

1. 脚本解析

自动识别并移除播客脚本中的注释和标记：

• 时间戳：(00:00)
• BGM 注释：[BGM渐入：...]
• 舞台指示：(主播声音：...) (停顿 1秒)
• Markdown 标记：**文本**

2. 中英文混合朗读

v1.1-zh 模型支持中英文混合文本的自然朗读。

3. 后处理集成

可选集成 voice-changer skill 进行变声处理。

配置文件

配置文件位于：~/.claude/skills/text-to-speech/config/tts_config.json

关键配置项：

• tts_engine: "kokoro" 或 "edge"（默认引擎）
• kokoro_tts: Kokoro 引擎配置（API URL、默认声音、语速）
• edge_tts: Edge 引擎配置（声音、语速、音调、音量）
• available_voices: 按引擎分组的可用声音列表

工作流程

输入文本/文件
    ↓
脚本解析（移除注释和标记）
    ↓
Kokoro TTS / Edge TTS 语音合成
    ↓
后处理（voice-changer，可选）
    ↓
输出 MP3 文件

依赖

• Kokoro TTS: Docker（容器运行在 localhost:8880）
• Edge TTS: pip install edge-tts

性能参考

• Kokoro TTS: 1000字约 3-5 秒（本地 Docker CPU）
• Edge TTS: 1000字约 10-20 秒（受网络影响）