MiMo TTS V2.5 語音生成：在 Agent 裏把文本做成可聽的 WAV
介紹 SkillHub 社區 Skill「MiMo TTS V2.5 語音生成」（@user_cd81d5a2/wenhao）。基於小米 MiMo V2.5 TTS，支持口語化改寫、長文分段合併、8 種預設音色、聲音克隆與文字描述生成音色，輸出 WAV。說明 skillhub CLI 安裝到 Cursor/Claude Code/Codex 的 skills 目錄、在 aistudio.xiaomimimo.com 註冊免費 API Key，以及典型觸發語與使用注意。
閱讀全文小米 MiMo V2-TTS 語音合成技能：在 Agent 裏用 OpenAI 兼容接口做 TTS
介紹 SkillHub 社區 Skill「小米 MiMo V2-TTS 語音合成技能」（@user_512254e3/mimo-tts，v1.2.0）：通過 mimo-tts CLI 與 MIMO_API_KEY 將文本合成爲 WAV/pcm16，支持預置音色與 style 風格控制。涵蓋 skillhub 安裝、各 Agent skills 目錄、npm 依賴、典型命令示例及 API Key、文本長度與流式格式等注意事項。
閱讀全文MimoTtsAsr26Free：MiMo TTS 的工程化封裝與語音工作流
MimoTtsAsr26Free（@user_168d274d/mimofreetts，v2.9.1）是 SkillHub 社區 Skill，在官方 MiMo V2.5 TTS API 之上提供腳本化工程能力：三合一 TTS 調用、無 Key 時 edge-tts 降級、120 字分句、緩存與 502/503/超時重試、文本預處理與合成質檢，並支持 --file 批量、-o 格式推斷、--recommend-voice、--watch 目錄監聽及 asr.py 與 TTS+ASR 示例。需 API Key 時標籤爲 requires_api_key=true。本文說明定位、能力與 skillhub install 安裝方式，細節以 SKILL.md 爲準。
閱讀全文edge-tts-voice：爲 OpenClaw QQBot 接入免費中文語音合成
edge-tts-voice（v2.1.0，@user_77841619/edge-tts-voice）是 SkillHub 社區 design-media 類 Skill，爲 OpenClaw QQBot 提供基於 Microsoft Edge TTS 公開 API 的中文語音合成，無需 API Key。支持曉曉、雲希、雲健、小藝、雲揚五種音色，進程隔離與自動重試，單次可合成 5000+ 字符。適用 QQ 自動語音回覆、朗讀與助手語音化。安裝可參考 skillhub.cn/install/skillhub.md，使用 skillhub install 並指定 Agent 的 skills 目錄。
閱讀全文Edge TTS：在 Agent 裏按需觸發文字轉語音
Edge TTS（@user_c9d52b8e/edge-tts-mf）是 SkillHub 社區版 1.0.0 語音合成 Skill，分類 design-media，標籤 requires_api_key=false。當用戶提出文字轉語音、讀出來、語音回答、播放音頻或配置 TTS 時由 Agent 觸發。安裝需 SkillHub CLI，使用 skillhub install @user_c9d52b8e/edge-tts-mf --dir 指向 Cursor 等客戶端的 skills 目錄；亦可按 skillhub.cn/install/skillhub.md 讓 AI 安裝。公開頁未給出具體合成命令，用法以 SKILL.md 爲準。
閱讀全文網文有聲·連載聽書：連載網文按章出有聲並保持同一敘述聲
網文有聲·連載聽書（webnovel-serial-audio）是 beatra-ai 在 SkillHub 發佈的 Agent Skill，面向連載網文按章製作可繼續更新的有聲內容。工作流先整理章節臺賬與發音表，可選克隆或目錄音色固定敘述聲，經捆綁 mcp_client 調用 Beatra 合成當前章，後續章沿用同一 voice_id。安裝命令爲 npx secure-skills-cli add webnovel-serial-audio；需準備章節正文、順序、目標語言及專名讀音表，付費邊界覆蓋克隆與各合成塊。
閱讀全文AI配音生成器：在 Agent 裏完成多音色配音與批量導出
AI配音生成器（@user_a020b36c/ai-voice-generator-new，v1.0.0）是 SkillHub 社區 content-creation 類技能，面向視頻、播客與廣告等場景，通過 SKILL.md 指導 Agent 完成音色篩選、情感與韻律調節、短樣本聲線克隆、長文本分段與多角色配音，並支持多格式音頻與字幕導出。標籤 requires_api_key=false。安裝需先配置 SkillHub CLI，再用 skillhub install 指定 Cursor、Claude Code 等 skills 目錄。本文基於官方頁面梳理能力與典型對話用法，並給出安裝命令與使用注意。
閱讀全文dsh-gpt-sovits：DeepSeek Harness 的本地化 GPT-SoVITS 語音合成
dsh-gpt-sovits 是 91koukou 維護的 DeepSeek Harness 插件，通過本地集成 GPT-SoVITS 引擎，實現完全離線的語音合成功能。該插件不附帶權重，使用者需自行準備引擎與模型。核心功能包括播放控制、文本處理（如符號念成人話、單位轉換）、流式/總結分流、內存音頻管理及安全設置。安裝需先啓動 GPT-SoVITS 引擎，隨後通過命令行添加插件並進行配置。該方案解決了雲端 API 的隱私與延遲問題，適合追求離線與高隱私性的用戶。
閱讀全文TencentCloud TTS：在 Agent 裏把文本合成語音文件
TencentCloud TTS（@tencent-adm/tencentcloud-tts）是騰訊雲語音團隊發佈的企業源 Skill，面向將文本轉爲 MP3/WAV 等音頻文件的場景。技能通過 SKILL.md 約定觸發詞與參數，scripts/tencent_tts.py 使用 API 簽名 v3 調用 tts.tencentcloudapi.com 的 TextToVoice，密鑰經 TENCENTCLOUD_SECRET_ID、TENCENTCLOUD_SECRET_KEY 配置。本文說明前置開通條件、SkillHub 安裝命令與各 Agent skills 目錄、環境變量與 synthesize 參數表，並給出與官方 examples 一致的可復現用法與單次合成注意事項。
閱讀全文AI聲音克隆工作室：用單人語音樣本做可複用音色
AI聲音克隆工作室（@beatra-ai/voice-cloning-studio，v0.2.6）是 beatra 在 SkillHub 發佈的 design-media 類 Skill，用單人清晰語音樣本完成 AI 聲音克隆與自定義音色，產出可反覆使用的個人或品牌聲線。創建前需確認樣本質量、音色名稱與費用，成功後可用短句試聽。適用於旁白、課程、產品故事與客戶通知等場景。安裝需 SkillHub CLI，使用 skillhub install beatra-ai/voice-cloning-studio --dir 指向各客戶端 skills 目錄；標註 requires_api_key=false。
閱讀全文MiMo TTS 語音合成插件 (dsh-mimotts)
`dsh-mimotts` 是 DeepSeek Harness 的一個語音合成插件，基於小米 MiMo TTS，嚴格遵循官方規範。該插件支持在插件頁配置 API Key、音色及風格，並在消息回覆中提供內聯播放器、音量控制及進度條。它具備自動保存朗讀歷史、錯誤處理及安全邊界機制，適配 Electron 桌面端。
閱讀全文dsh-speak: 在 DeepSeek Harness 中使用 macOS 朗讀文本
dsh-speak 是專爲 DeepSeek Harness 設計的 macOS 插件，利用系統 `say` 命令實現本地文本朗讀。它提供 Agent 工具調用、消息按鈕朗讀及選區朗讀功能，支持中、英、日、韓文自動檢測與個性化設置。安裝方式包括插件管理器、CLI 或手動配置。該插件無需網絡傳輸，適用於調試驗證與交互體驗，但僅限 DSH 0.2.x 及 macOS 系統。
閱讀全文DeepSeek Harness 插件：moluyao/dsh-minimax-asr
`moluyao/dsh-minimax-asr` 是一款 DeepSeek Harness 全局插件，旨在集成 MiniMax 的語音識別與合成能力。該插件提供 `transcribe_audio` 和 `announce_speech` 工具，支持語音輸入、自動播報及免手對話模式，內置 303 種音色。用戶通過環境變量配置 API Key 後，即可在 DSH 中實現語音交互，適用於自動化任務播報及無接觸操作場景。
閱讀全文dsh-gsv-tts：DeepSeek Harness 語音朗讀插件
DeepSeek Harness 語音朗讀插件 `dsh-gsv-tts` 支持雙模式語音合成：Edge 雲端零配置快速體驗和 GSV 本地離線音色克隆。核心功能包括一鍵朗讀、自動朗讀控制、可視化聲音設置、音色市場下載及引擎一鍵啓停管理。用戶可通過命令行安裝，支持在“快速體驗”和“本地專業”模式間一鍵切換。使用時需注意，Edge 模式依賴網絡，GSV 模式需 Python 3.10+ 環境且首次加載耗時。
閱讀全文dsh-speech：DeepSeek Harness 語音服務插件
dsh-speech 是 DeepSeek Harness (DSH) 的語音處理能力插件。它通過獨立路由提供 Token 門控的語音識別（ASR）與合成（TTS）服務，無需修改宿主源碼。 該插件支持多雲廠商（如阿里雲百鍊、OpenAI、Groq、硅基流動）及本地服務（如 SenseVoice、CosyVoice2），並具備流式轉錄、實時語音活動檢測等能力。用戶可靈活混搭 ASR 和 TTS 提供商，實現私有化部署或多雲切換，適用於離線語音處理等場景。
閱讀全文DeepSeek Harness TTS 插件：多提供者文本轉語音與回退鏈
DeepSeek Harness 的 `dsh-tts` 插件通過 Web UI 爲智能體回覆提供實時文本轉語音（TTS）能力。它支持從離線引擎（如 Piper、Edge TTS）到雲端 API 的多提供者回退鏈機制，具備低延遲流式音頻傳輸及 IT 術語發音字典。插件還支持 Messenger 集成、音頻導出及多智能體人設配置。安裝需確保特定依賴，目前神經模型推理需單獨配置。該插件確保 API 密鑰僅在後端處理，兼顧了隱私安全與高性能。
閱讀全文dsh-fish-tts：給 DSH Web GUI 接上 Fish Audio 語音朗讀
dsh-fish-tts 是由 MaRi23333 維護的開源社區插件，把 Fish Audio 語音合成接入 DeepSeek Harness Web GUI，用戶可直接用自己的音色（含克隆音色）聽助手回覆，無需複製文本或另寫腳本。功能包括：每條消息旁的朗讀按鈕（支持中斷、切換播放、取消）、輸入欄自動朗讀開關，以及設置頁，可配置模型、音色 reference_id、API Key（AES-256-GCM 加密存儲
閱讀全文dsh-voice-call —— 讓 agent 主動來電，接不接由你決定
dsh-voice-call 是 PandaPolo 維護的 DSH 語音插件（MIT，Fork 自 Jesse-njx/dsh-voice），核心理念是把朗讀的主動權交還給人：agent 擁有可主動撥打的"聲音"，通過 `offer_call` 工具來電，用戶可選擇接聽、拒接或稍後再說，不接則絕不播放；來電以浮層卡片形式振鈴（v0.2），超時記爲 missed。其他功能包括 `speak` 直接朗讀（各平臺本地播放）、`transcribe` 語音轉文字（支持 whisper-local/openai/macOS，錄音僅限 macOS）以及 `/voice` 命令管理狀態。語音合成採用本地
閱讀全文dsh-voice：DSH 的 TTS 與 STT 插件
dsh-voice 是一款基於 DSH 框架的語音處理插件，旨在爲智能體提供簡化的 TTS（文字轉語音）和 STT（語音轉文字）工具能力。該插件採用 MIT 許可證，要求 Node.js 版本在 22 及以上，運行時無需依賴內部模塊，通過原生 WebSocket 實現通信。 其核心功能包含三個工具：`voice_tts` 支持將文本免費合成爲 MP3 文件，支持自定義音色、語速等參數，零配置即可使用；`voice_stt` 用於音頻轉文字，支持 OpenAI 兼容接口，需配置 ASR 密鑰（建議通過環境變量管理）；`voice_list` 則用於查詢可用音色列表。 插件通過 `dsh plug
閱讀全文用 dsh-voice 給 DeepSeek Harness 補上口述輸入和語音朗讀
dsh-voice 是 Jesse-njx 維護的 DeepSeek Harness 工具插件，用 transcribe 把口述或音頻文件變成用戶消息，用 speak 在後臺朗讀且不阻塞回合，並用 /voice 按會話開關自動讀回覆。音頻默認落在 ~/.dsh/voice/，會話日誌只保存引用和轉寫。許可證 MIT，版本 0.1.0。安裝以目錄頁命令 dsh plugin add github:Jesse-njx/dsh-voice 爲準。默認走離線後端，openai 與 edge-tts 不會被自動選中；v0.1 不做即時對講或喚醒詞。
閱讀全文使用PaddlePaddle輕鬆實現語音合成
本文介紹了使用PaddlePaddle進行語音合成的實現方法，包括簡單的代碼示例、GUI界面操作以及Flask Web接口。首先通過簡單程序實現了文本到語音的基本功能，利用聲學模型和聲碼器模型完成合成過程，並將結果保存爲音頻文件；其次介紹了`gui.py`界面程序用於簡化用戶操作體驗；最後展示了使用`server.py`提供的Flask Web服務，能夠供Android應用或小程序調用以實現遠程語
閱讀全文