文章 TTS 技能

默认配置

参数	默认值	说明
lang	en	语言：en 或 zh
skipConfirmation

false | 是否跳过文字确认步骤 | | speed | 90% | TTS 语速（--rate=-10% = 90%） | | voice | en-US-EmmaNeural（英文）/ zh-CN-XiaoxiaoNeural（中文） | TTS 声音 | | splitSentences | false | 是否生成按句拆分的音频 |

支持的语言

语言	OCR 语言包	TTS 声音
en	eng（预装）	en-US-EmmaNeural
zh

chi_sim（需安装） | zh-CN-XiaoxiaoNeural |

中文 OCR 语言包安装：

• - Linux（WSL/Debian/Ubuntu）：apt-get install tesseract-ocr-chi-sim
• macOS：brew install tesseract-lang（自带中文）
• Windows：下载 chi_sim.traineddata 放入 Tesseract 安装目录的 tessdata 文件夹

工作流程

输入类型

• - 图片：OCR 提取文字（需要 lang 指定语言）
• 纯文字：直接 TTS，无需 OCR

标准流程（默认，需确认）

图片 → OCR 提取文字 → 展示给用户确认 → 用户确认 → 生成 TTS → 发送
文字 → 直接生成 TTS → 发送

跳过确认流程 ⚠️

用户说不需要确认或直接生成时，跳过确认步骤。

⚠️ 安全提示：skipConfirmation 会跳过文字确认步骤，OCR 提取的文本（可能包含敏感信息）会直接转为音频并发送。适用于可信来源、低敏感内容。建议默认关闭（skipConfirmation: false）。

OCR 步骤

python

图片预处理

from PIL import Image, ImageOps
img = Image.open(image_path)
img = ImageOps.autocontrast(img.convert(L), cutoff=10)
w, h = img.size
img = img.resize((w4, h4), Image.LANCZOS)
img.save(/tmp/ocr_input.jpg, quality=99)

bash

英文

tesseract /tmp/ocr_input.jpg stdout -l eng --psm 4

中文

tesseract /tmp/ocrinput.jpg stdout -l chisim --psm 4

TTS 步骤

全文音频

bash
uvx edge-tts \
-t 全文文字 \
-v en-US-EmmaNeural \
--rate=-10% \
--write-media OUTPUTDIR/fullarticle.mp3

中文

uvx edge-tts \ -t 中文文字内容 \ -v zh-CN-XiaoxiaoNeural \ --rate=-10% \ --write-media OUTPUTDIR/fullarticle.mp3

按句拆分（仅 splitSentences=true）

python
import subprocess, re

def split_sentences(text, lang=en):
if lang == zh:
# 中文按句号/感叹号/问号拆分
sentences = re.split(r(?<=[。！？])\s*, text)
else:
# 英文按 .!? 拆分
sentences = re.split(r(?<=[.!?])\s+, text)
return [s.strip() for s in sentences if s.strip()]

sentences = split_sentences(text, lang=lang)
for i, sentence in enumerate(sentences, 1):
num = str(i).zfill(2)
voice = zh-CN-XiaoxiaoNeural if lang == zh else en-US-EmmaNeural
subprocess.run([
uvx, edge-tts,
-t, sentence,
-v, voice,
--rate=-10%,
--write-media, fOUTPUTDIR/sentence{num}.mp3
])

输出目录

/mnt/d/wslspace/workspace/articles/YYYY-MM-DD-article-slug/
├── original_text.md
├── full_article.mp3
└── sentence_01.mp3 ...

通过消息渠道发送

代理从运行时上下文检测活跃渠道，并相应调用 message(...)。不硬编码渠道——代理使用用户当前聊天所用的任何渠道。

python

自动检测活跃渠道（来自运行时入站元数据）

渠道推断：飞书 / Telegram / Discord / WhatsApp / Signal / iMessage / 企业微信

发送全文

message(action=send, channel={active_channel}, message=📄 全文音频, media=PATH/full_article.mp3, filename=full_article.mp3)

发送每句

for i, sentence in enumerate(sentences, 1): num = str(i).zfill(2) message(action=send, channel={active_channel}, message=f📝 {num}: {sentence}, media=fPATH/sentence_{num}.mp3, filename=fsentence_{num}.mp3)

渠道行为说明

渠道	音频支持	备注
飞书	✅	推荐使用 feishu-voice-send 技能发送语音消息
Telegram

✅ | 直接发送 mp3 | | Discord | ✅ | 作为附件发送 | | WhatsApp | ✅ | 直接发送 mp3 | | Signal | ⚠️ | 取决于信号强度，可能不支持 | | iMessage | ⚠️ | 通过 macOS 发送，mp3 兼容性一般 | | 企业微信 | ✅ | 同飞书 |

如果渠道不支持音频，代理将文件保存到 OUTPUT_DIR，并以文本消息形式发送文件路径。

---

如何发送为语音消息（而非附件）

重要说明： OpenClaw 内置的飞书媒体发送存在 bug（缺少 duration 参数），导致 .ogg 文件有时显示为附件而非语音消息。

推荐方案：使用 feishu-voice-send 技能

该技能调用飞书官方 API，正确传递 duration 参数，确保语音消息正常显示。

方式一：通过 feishu-voice-send 技能发送

bash

发送现有的 .ogg 文件

python3 /mnt/d/wslspace/workspace/skills/feishu-voice-send/scripts/send_voice.py \
/path/to/audio.ogg \
<接收者open_id>

或直接生成 TTS 并发送

python3 /mnt/d/wslspace/workspace/skills/feishu-voice-send/scripts/ttsandsend.py \ 要转换的文字 \ <接收者open_id> \ -v zh-CN-YunjianNeural \ -r -10%

方式二：手动调用（不推荐）

如果必须使用 OpenClaw 内置的 message 工具，需要：

1. 1. 将 mp3 转换为标准 Ogg Opus 格式
2. 发送时必须带 message 参数
3. 注意：即使带 message 参数，仍可能因为缺少 duration 而显示为附件

bash

1. 用 edge-tts 生成 mp3

uvx edge-tts \
-t Your text here \
-v en-US-EmmaNeural \
--rate=-10% \
--write-media OUTPUT_DIR/voice.mp3

2. 用 ffmpeg 转换为标准 Ogg Opus

ffmpeg -i OUTPUT_DIR/voice.mp3 \ -c:a libopus \ -b:a 32k \ -ar 24000 \ -ac 1 \ OUTPUT_DIR/voice.ogg

3. 使用 message 工具发送（仍可能显示为附件）

message(action=send, channel=feishu, \ message=📄 语音, \ media=OUTPUT_DIR/voice.ogg)

可用的 TTS 声音

英文

en-US-EmmaNeural, en-US-BrianNeural, en-GB-LibbyNeural, ...

中文

zh-CN-XiaoxiaoNeural（女声）, zh-CN-YunxiNeural（男声）, zh-CN-YunyangNeural（新闻男声）, ...

查看完整列表：uvx edge-tts -l | grep zh-CN

备注