搜索「Text-to-Speech」的结果

io.clawhub.korddie/sapi-tts

基于 Windows SAPI5 的文本转语音，支持 Neural 神经音色。是重度依赖 GPU 的 TTS 方案的轻量替代——零 GPU 占用、即时生成。会自动为你的语言挑选最佳可用音色，适用于 Windows 10/11。

io.clawhub.merend/openai-tts-python

使用 OpenAI 的 TTS API 进行文本转语音，生成高质量、自然的语音音频。支持 6 种音色（alloy、echo、fable、onyx、nova、shimmer）、语速控制（0.25x-4.0x）、HD 音质模型、多种输出格式（mp3、opus、aac、flac），并自动对长文本分块（单次请求 4096 字符上限）。使用场景：(1) 用户请求音频/语音输出，触发语如“读给我听”“转成音频”“生成语音”“text to speech”“tts”“narrate”“speak”，或出现关键词 openai tts、voice、podcast；(2) 内容更适合听而非读（多任务、无障碍）；(3) 用户想要特定音色偏好（如 alloy、echo、fable、onyx、nova、shimmer）或语速调整。

io.clawhub.al-one/edge-tts-uvx

使用 `uvx edge-tts` 把文本转换为语音。适用场景：（1）用户带“tts”关键词请求音频/语音输出；（2）内容更适合听而不是读（多任务并行、无障碍、开车、做饭）；（3）用户想要特定的音色、语速、音调或 TTS 输出格式。

io.clawhub.a1024708231/video-producer

短视频一键生成技能 v2.2。调用video-director进行画面规划，然后生成AI素材、TTS配音、视频渲染，输出完整MP4。

io.clawhub.dlazyai/dlazy-gemini-2-5-tts

使用 Gemini 2.5 强大的文本转语音能力，生成多语言、高自然度的音频。

io.clawhub.byungkyu/elevenlabs-api

ElevenLabs API 集成，托管鉴权。AI 驱动的文字转语音、声音克隆、音效与音频处理。当用户要从文字生成语音、克隆声音、制作音效或处理音频时使用本技能。其他第三方应用请使用 api-gateway 技能（https://clawhub.ai/byungkyu/api-gateway）。调用经由带 OAuth 登录的 maton CLI 执行；无法安装 CLI 时通过原始 HTTP 加 Maton API key 调用。每次调用都以用户连接身份鉴权，只能访问该连接授权范围内的数据（由服务商在每次请求时强制执行）；本文档所列端点即本技能使用的端点，其他端点需用户点名要求方可使用。默认进行读取和列表操作，每次写操作或新建连接均需与用户确认。

io.clawhub.gizmogremlin/voice-ai-voices

使用 Voice.ai API 进行高质量语音合成，提供 9 种人格音色、11 种语言与流式输出。

io.clawhub.thegovind/podcast-generation

通过 WebSocket 使用 Azure OpenAI 的 GPT Realtime Mini 模型生成 AI 播客式音频叙事。适用于构建语音合成、音频叙事生成、内容转播客，或集成 Azure OpenAI Realtime API 输出真实音频。涵盖从 React 前端到 Python FastAPI 后端及 WebSocket 流式传输的全栈实现。

io.clawhub.amreahmed/elevenlabs-voice

使用 ElevenLabs AI 实现文本转语音（TTS）与语音转文本（STT）。当用户想把文字转成语音、转写语音消息或处理多语言语音时使用。支持高质量 AI 音色与精准转写。

io.clawhub.gugic/inworld-tts

通过 Inworld.ai API 进行文本转语音。当需要从文本生成语音音频、生成口语回复，或将文本转换为 MP3/音频文件时使用。支持多种音色、语速，以及长文本流式输出。

io.clawhub.sherajdev/pocket-tts

使用 Kyutai 的 Pocket TTS 模型，在 CPU 上离线生成高质量英文语音，内置 8 种音色或支持自定义声音克隆。