语音回复生成

技能简介

Audio Reply 使用 MLX Audio TTS（chatterbox-turbo 模型）将文字转换为自然语音，支持两种模式：朗读公开网页内容，或将对话回复转为口语化音频。

能做什么

• 读取用户提供的公开 URL 内容并语音播报
• 针对话题生成对话式语音回复
• 自动播放生成的音频并在结束后清理临时文件

使用说明

安装依赖

# 安装 uv 包管理器
brew install uv

触发方式

• read it to me [公开URL] — 获取网页内容并朗读
• talk to me [话题/问题] — 生成对话式语音回复
• speak / say it / voice reply — 将当前回复转为语音

执行流程（URL 模式）

1. 验证 URL 符合安全规则（仅 http/https，禁止本地/私有地址）
2. 使用 WebFetch 获取内容，提取正文并精简摘要
3. 调用 TTS 生成音频：uv run mlx_audio.tts.generate --model mlx-community/chatterbox-turbo-fp16 --text "..." --play --file_prefix /tmp/audio_reply_$(date +%s)
4. 播放完成后删除临时 WAV 文件

执行流程（对话模式）

1. 生成自然口语化文本（使用缩写、适度填充词，控制在 200 字内）
2. 同上调用 TTS 生成并播放音频
3. 清理临时文件

输入与输出

见下方输入与输出表格。

风险提示

• 仅允许访问公开 http/https URL，禁止本地地址、私有 IP、含凭据的链接
• 长网页会自动摘要，可能丢失细节
• 首次运行需下载约 500MB 模型文件
• 临时音频文件虽会删除，但聊天历史可能保留原文，避免处理敏感内容
• TTS 失败时回退为纯文本回复，不会放宽网络访问限制

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/matrixy/audio-reply-skill/SKILL.md
来源类型：GitHub 仓库