article-tts

# Article TTS Skill ## Default Configuration | 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 | ## Supported Languages | 语言 | OCR 语言包 | TTS Voice | |------|-----------|-----------| | `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 ## Workflow ### Input Types - **图片**：OCR 提取文字（需要 `lang` 指定语言） - **纯文字**：直接 TTS，无需 OCR ### Standard Flow（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 ``` ### Skip-Confirmation Flow ⚠️ 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 Step ```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((w*4, h*4), 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/ocr_input.jpg stdout -l chi_sim --psm 4 ``` ## TTS Step ### 全文字频 ```bash uvx edge-tts \ -t "FULL TEXT" \ -v en-US-EmmaNeural \ --rate=-10% \ --write-media OUTPUT_DIR/full_article.mp3 # 中文 uvx edge-tts \ -t "中文文字内容" \ -v zh-CN-XiaoxiaoNeural \ --rate=-10% \ --write-media OUTPUT_DIR/full_article.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", f"OUTPUT_DIR/sentence_{num}.mp3" ]) ``` ## Output Directory ``` /mnt/d/wslspace/workspace/articles/YYYY-MM-DD-article-slug/ ├── original_text.md ├── full_article.mp3 └── sentence_01.mp3 ... ``` ## Sending via Message Channel The agent detects the active channel from the runtime context and calls `message(...)` accordingly. No hardcoded channel — the agent uses whichever channel the user is currently chatting through. ```python # Detect active channel automatically (from runtime inbound metadata) # channel is inferred: feishu / telegram / discord / whatsapp / signal / imessage / openclaw-weixin # 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=f"PATH/sentence_{num}.mp3", filename=f"sentence_{num}.mp3") ``` ### Channel Behavior Notes | Channel | 音频支持 | 备注 | |---------|---------|------| | Feishu | ✅ | **推荐使用 feishu-voice-send skill 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 | | WeChat Work | ✅ | 同 Feishu | If the channel does not support audio, the agent saves the file to `OUTPUT_DIR` and sends the file path as a text message instead. --- ## 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 skill** 该 skill 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 skill 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/tts_and_send.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. 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") ``` ## Available TTS Voices ### English `en-US-EmmaNeural`, `en-US-BrianNeural`, `en-GB-LibbyNeural`, ... ### Chinese `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"` ## Notes - Tesseract + English 预装；中文需 `apt-get install tesseract-ocr-chi-sim` - edge-tts 通过 `uvx` 运行，无需安装 - 图片质量直接影响 OCR 效果，尽量保持光线充足、角度端正