语音合成命令行工具

技能简介

sag 是一个基于 ElevenLabs API 的文本转语音命令行工具，提供类似 macOS say 命令的使用体验，支持本地音频播放与文件导出。

业务背景

为内容创作者、开发者和客服团队提供轻量级语音生成能力，无需搭建复杂系统即可将文本快速转为自然语音。支持多角色声音切换与情绪控制，适用于播客制作、产品原型演示、自动化通知等场景，降低专业配音门槛与外包成本。

落地案例：市场团队撰写了一篇产品博客，希望生成音频版本供用户收听。运营人员使用 sag 工具，输入文章正文并选择沉稳的"Roger"声线，通过方括号标签标记段落停顿，一键导出 MP3 文件后上传至播客平台。整个过程无需录音设备或剪辑软件，10 分钟完成从文本到成品的转化。

能做什么

• 将文本即时转换为语音并本地播放
• 切换多种预设声音角色
• 通过音频标签控制语气、情绪与停顿
• 导出 MP3 音频文件用于分享或嵌入
• 针对长文本优化发音与断句

使用说明

安装步骤

1. 安装 sag：

   brew install steipete/tap/sag

2. 配置 API 密钥：

   export ELEVENLABS_API_KEY="your-api-key"

   或设置 SAG_API_KEY 作为备选

基础用法

• 快速朗读：sag "Hello there"
• 指定声音：sag speak -v "Roger" "Hello"
• 查看可用声音：sag voices
• 导出文件：sag -v Clawd -o /tmp/output.mp3 "Your text"

模型选择

• 默认（富有表现力）：eleven_v3
• 稳定多语言：eleven_multilingual_v2
• 快速响应：eleven_flash_v2_5

音频标签（v3 模型）

在行首添加标签控制效果：[whispers]、[shouts]、[sings]、[laughs]、[excited]、[sarcastic] 等，配合 [pause]、[short pause]、[long pause] 控制节奏。

输入与输出

见下方输入与输出表格。

风险提示

• API 调用按字符计费，长文本需注意用量
• v3 模型不支持 SSML <break>，需使用方括号标签替代
• 语音克隆功能未开放，仅可使用平台预设声音
• 网络连接失败时无法生成本地缓存

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/steipete/sag/SKILL.md
来源类型：开源社区技能