前言¶

做英語學習類產品時，常遇到一個需求：學生貼一篇英語作文，希望直接聽到朗讀效果，用來回聽、跟讀或做成聽力素材。自己接 TTS 要處理音色選擇、語速風格、音頻文件落盤和回傳，還要考慮學生上傳的是照片而不是文本。這個 Skill 把這些步驟打包成了一個可直接調用的能力。

這是什麼¶

英語作文語音朗讀 (MiMo TTS) 是一個社區來源的 Skill，座標 @user_c43ef728/english-essay-tts，由 user_c43ef728 發佈維護，當前版本 1.1.0，分類爲 education。它解決的問題是：把用戶粘貼或上傳的英語作文，轉成自然語音的可播放音頻，並直接在對話裏返回。

底層使用 Xiaomi 的 MiMo-V2.5-TTS 模型做語音合成。

核心功能¶

下面介紹的能力均來自該 Skill 的官方簡介。

1、輸入形態支持純文本和照片。學生可以粘貼作文文字，也可以上傳手寫或打印稿的照片。

2、對照片做 OCR。當輸入是圖片時，先做文字識別把作文轉成文本，再進入後續流程。

3、分析作文的情感基調。識別文本的情緒傾向，作爲選擇音色和說話風格的依據。

4、推薦匹配的英語音色與說話風格。根據上一步的情感基調，給出對應的英語 voice 和 speaking style 建議。

5、首次使用時索取 MiMo API key。該 Skill 帶 requires_api_key=true 標籤，說明需要用戶自己的 MiMo API key，首次使用時會詢問。

6、調用 MiMo TTS API 並直接返回音頻。合成完成後把可播放的音頻文件直接回傳到對話裏，不需要用戶自己去文件系統裏找。

啓用前的準備¶

使用前需要自備 MiMo API key。這是該 Skill 的硬前提，沒有 key 就無法完成語音合成。

安裝與啓用方式請以官方頁面爲準：

https://api.skillhub.cn/user_c43ef728/english-essay-tts

該 Skill 的 SKILL.md 格式與通用 Skill 規範一致。本文沒有核實到官方給出的具體命令行安裝命令或環境變量名稱，因此不在這裏編寫，避免給出無法覈對的配置項。

典型用法¶

下面是官方簡介中列出的觸發短語，用戶用其中任意一句表達意圖即可觸發：

朗讀這篇英語作文
把英語作文讀出來
英語作文配音
英語聽力素材
generate audio for my English essay
TTS for this English composition
read my essay aloud
MiMo TTS

實際調用流程是：用戶粘貼作文文本或上傳照片 → Skill 在圖片情況下先做 OCR → 分析情感基調並推薦音色與說話風格 → 首次使用時索取 MiMo API key → 調用 MiMo TTS API → 在對話中返回音頻文件。

示例輸入：

請把下面這篇英語作文讀出來：
Last weekend I went to the countryside with my parents. We visited my grandparents
and helped them pick apples in the garden. I learned that hard work can be joyful.

預期輸出是該段文字的英語朗讀音頻，可直接播放。

適用場景與注意¶

適合的場景：

• 英語作文的語音化，便於學生回聽自己的寫作。
• 把英語作文轉成聽力素材，做聽寫或跟讀練習。
• 需要爲英語文字內容配自然語音，而不是機械拼讀。

需要注意的地方：

1、必須有 MiMo API key。首次使用會被詢問，屬於正常流程，不是報錯。
2、輸入是照片時依賴 OCR，識別質量受照片清晰度、手寫工整度和光線影響。OCR 出錯會把錯誤文本直接讀進音頻，所以建議對掃描件先人工確認一遍。
3、音色和說話風格是基於情感基調推薦的，具體候選音色清單未在資料中列出，如需指定固定音色，需以該 Skill 實際支持的範圍爲準。
4、該 Skill 面向英語內容，中文或其他語種作文不在其說明範圍內。

平臺數據方面，SkillHub 頁面顯示評分 100000，下載 860，來源標記爲 community。評分和下載量會變化，具體以訪問時頁面顯示爲準。

結尾¶

這個 Skill 的價值在於把「作文文本 → 語音音頻」整條鏈路收進一次調用：OCR、情感分析、音色推薦、API 調用和音頻回傳都由它完成，使用者不需要自己拼裝。如果你的場景是英語作文朗讀或英語聽力素材生成，可以直接從上面的官方地址試用。

官方地址：https://api.skillhub.cn/user_c43ef728/english-essay-tts