MimoTtsAsr26Free：MiMo TTS 的工程化封装与语音工作流
MimoTtsAsr26Free（@user_168d274d/mimofreetts，v2.9.1）是 SkillHub 社区 Skill，在官方 MiMo V2.5 TTS API 之上提供脚本化工程能力：三合一 TTS 调用、无 Key 时 edge-tts 降级、120 字分句、缓存与 502/503/超时重试、文本预处理与合成质检，并支持 --file 批量、-o 格式推断、--recommend-voice、--watch 目录监听及 asr.py 与 TTS+ASR 示例。需 API Key 时标签为 requires_api_key=true。本文说明定位、能力与 skillhub install 安装方式，细节以 SKILL.md 为准。
阅读全文edge-tts-voice：为 OpenClaw QQBot 接入免费中文语音合成
edge-tts-voice（v2.1.0，@user_77841619/edge-tts-voice）是 SkillHub 社区 design-media 类 Skill，为 OpenClaw QQBot 提供基于 Microsoft Edge TTS 公开 API 的中文语音合成，无需 API Key。支持晓晓、云希、云健、小艺、云扬五种音色，进程隔离与自动重试，单次可合成 5000+ 字符。适用 QQ 自动语音回复、朗读与助手语音化。安装可参考 skillhub.cn/install/skillhub.md，使用 skillhub install 并指定 Agent 的 skills 目录。
阅读全文Edge TTS：在 Agent 里按需触发文字转语音
Edge TTS（@user_c9d52b8e/edge-tts-mf）是 SkillHub 社区版 1.0.0 语音合成 Skill，分类 design-media，标签 requires_api_key=false。当用户提出文字转语音、读出来、语音回答、播放音频或配置 TTS 时由 Agent 触发。安装需 SkillHub CLI，使用 skillhub install @user_c9d52b8e/edge-tts-mf --dir 指向 Cursor 等客户端的 skills 目录；亦可按 skillhub.cn/install/skillhub.md 让 AI 安装。公开页未给出具体合成命令，用法以 SKILL.md 为准。
阅读全文网文有声·连载听书：连载网文按章出有声并保持同一叙述声
网文有声·连载听书（webnovel-serial-audio）是 beatra-ai 在 SkillHub 发布的 Agent Skill，面向连载网文按章制作可继续更新的有声内容。工作流先整理章节台账与发音表，可选克隆或目录音色固定叙述声，经捆绑 mcp_client 调用 Beatra 合成当前章，后续章沿用同一 voice_id。安装命令为 npx secure-skills-cli add webnovel-serial-audio；需准备章节正文、顺序、目标语言及专名读音表，付费边界覆盖克隆与各合成块。
阅读全文AI配音生成器：在 Agent 里完成多音色配音与批量导出
AI配音生成器（@user_a020b36c/ai-voice-generator-new，v1.0.0）是 SkillHub 社区 content-creation 类技能，面向视频、播客与广告等场景，通过 SKILL.md 指导 Agent 完成音色筛选、情感与韵律调节、短样本声线克隆、长文本分段与多角色配音，并支持多格式音频与字幕导出。标签 requires_api_key=false。安装需先配置 SkillHub CLI，再用 skillhub install 指定 Cursor、Claude Code 等 skills 目录。本文基于官方页面梳理能力与典型对话用法，并给出安装命令与使用注意。
阅读全文dsh-gpt-sovits：DeepSeek Harness 的本地化 GPT-SoVITS 语音合成
dsh-gpt-sovits 是 91koukou 维护的 DeepSeek Harness 插件，通过本地集成 GPT-SoVITS 引擎，实现完全离线的语音合成功能。该插件不附带权重，使用者需自行准备引擎与模型。核心功能包括播放控制、文本处理（如符号念成人话、单位转换）、流式/总结分流、内存音频管理及安全设置。安装需先启动 GPT-SoVITS 引擎，随后通过命令行添加插件并进行配置。该方案解决了云端 API 的隐私与延迟问题，适合追求离线与高隐私性的用户。
阅读全文TencentCloud TTS：在 Agent 里把文本合成语音文件
TencentCloud TTS（@tencent-adm/tencentcloud-tts）是腾讯云语音团队发布的企业源 Skill，面向将文本转为 MP3/WAV 等音频文件的场景。技能通过 SKILL.md 约定触发词与参数，scripts/tencent_tts.py 使用 API 签名 v3 调用 tts.tencentcloudapi.com 的 TextToVoice，密钥经 TENCENTCLOUD_SECRET_ID、TENCENTCLOUD_SECRET_KEY 配置。本文说明前置开通条件、SkillHub 安装命令与各 Agent skills 目录、环境变量与 synthesize 参数表，并给出与官方 examples 一致的可复现用法与单次合成注意事项。
阅读全文AI声音克隆工作室：用单人语音样本做可复用音色
AI声音克隆工作室（@beatra-ai/voice-cloning-studio，v0.2.6）是 beatra 在 SkillHub 发布的 design-media 类 Skill，用单人清晰语音样本完成 AI 声音克隆与自定义音色，产出可反复使用的个人或品牌声线。创建前需确认样本质量、音色名称与费用，成功后可用短句试听。适用于旁白、课程、产品故事与客户通知等场景。安装需 SkillHub CLI，使用 skillhub install beatra-ai/voice-cloning-studio --dir 指向各客户端 skills 目录；标注 requires_api_key=false。
阅读全文MiMo TTS 语音合成插件 (dsh-mimotts)
`dsh-mimotts` 是 DeepSeek Harness 的一个语音合成插件，基于小米 MiMo TTS，严格遵循官方规范。该插件支持在插件页配置 API Key、音色及风格，并在消息回复中提供内联播放器、音量控制及进度条。它具备自动保存朗读历史、错误处理及安全边界机制，适配 Electron 桌面端。
阅读全文dsh-speak: 在 DeepSeek Harness 中使用 macOS 朗读文本
dsh-speak 是专为 DeepSeek Harness 设计的 macOS 插件，利用系统 `say` 命令实现本地文本朗读。它提供 Agent 工具调用、消息按钮朗读及选区朗读功能，支持中、英、日、韩文自动检测与个性化设置。安装方式包括插件管理器、CLI 或手动配置。该插件无需网络传输，适用于调试验证与交互体验，但仅限 DSH 0.2.x 及 macOS 系统。
阅读全文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 的语音识别与合成能力。该插件提供 `transcribe_audio` 和 `announce_speech` 工具，支持语音输入、自动播报及免手对话模式，内置 303 种音色。用户通过环境变量配置 API Key 后，即可在 DSH 中实现语音交互，适用于自动化任务播报及无接触操作场景。
阅读全文dsh-gsv-tts：DeepSeek Harness 语音朗读插件
DeepSeek Harness 语音朗读插件 `dsh-gsv-tts` 支持双模式语音合成：Edge 云端零配置快速体验和 GSV 本地离线音色克隆。核心功能包括一键朗读、自动朗读控制、可视化声音设置、音色市场下载及引擎一键启停管理。用户可通过命令行安装，支持在“快速体验”和“本地专业”模式间一键切换。使用时需注意，Edge 模式依赖网络，GSV 模式需 Python 3.10+ 环境且首次加载耗时。
阅读全文dsh-speech：DeepSeek Harness 语音服务插件
dsh-speech 是 DeepSeek Harness (DSH) 的语音处理能力插件。它通过独立路由提供 Token 门控的语音识别（ASR）与合成（TTS）服务，无需修改宿主源码。 该插件支持多云厂商（如阿里云百炼、OpenAI、Groq、硅基流动）及本地服务（如 SenseVoice、CosyVoice2），并具备流式转录、实时语音活动检测等能力。用户可灵活混搭 ASR 和 TTS 提供商，实现私有化部署或多云切换，适用于离线语音处理等场景。
阅读全文DeepSeek Harness TTS 插件：多提供者文本转语音与回退链
DeepSeek Harness 的 `dsh-tts` 插件通过 Web UI 为智能体回复提供实时文本转语音（TTS）能力。它支持从离线引擎（如 Piper、Edge TTS）到云端 API 的多提供者回退链机制，具备低延迟流式音频传输及 IT 术语发音字典。插件还支持 Messenger 集成、音频导出及多智能体人设配置。安装需确保特定依赖，目前神经模型推理需单独配置。该插件确保 API 密钥仅在后端处理，兼顾了隐私安全与高性能。
阅读全文dsh-fish-tts：给 DSH Web GUI 接上 Fish Audio 语音朗读
dsh-fish-tts 是由 MaRi23333 维护的开源社区插件，把 Fish Audio 语音合成接入 DeepSeek Harness Web GUI，用户可直接用自己的音色（含克隆音色）听助手回复，无需复制文本或另写脚本。功能包括：每条消息旁的朗读按钮（支持中断、切换播放、取消）、输入栏自动朗读开关，以及设置页，可配置模型、音色 reference_id、API Key（AES-256-GCM 加密存储
阅读全文dsh-voice-call —— 让 agent 主动来电，接不接由你决定
dsh-voice-call 是 PandaPolo 维护的 DSH 语音插件（MIT，Fork 自 Jesse-njx/dsh-voice），核心理念是把朗读的主动权交还给人：agent 拥有可主动拨打的"声音"，通过 `offer_call` 工具来电，用户可选择接听、拒接或稍后再说，不接则绝不播放；来电以浮层卡片形式振铃（v0.2），超时记为 missed。其他功能包括 `speak` 直接朗读（各平台本地播放）、`transcribe` 语音转文字（支持 whisper-local/openai/macOS，录音仅限 macOS）以及 `/voice` 命令管理状态。语音合成采用本地
阅读全文dsh-voice：DSH 的 TTS 与 STT 插件
dsh-voice 是一款基于 DSH 框架的语音处理插件，旨在为智能体提供简化的 TTS（文字转语音）和 STT（语音转文字）工具能力。该插件采用 MIT 许可证，要求 Node.js 版本在 22 及以上，运行时无需依赖内部模块，通过原生 WebSocket 实现通信。 其核心功能包含三个工具：`voice_tts` 支持将文本免费合成为 MP3 文件，支持自定义音色、语速等参数，零配置即可使用；`voice_stt` 用于音频转文字，支持 OpenAI 兼容接口，需配置 ASR 密钥（建议通过环境变量管理）；`voice_list` 则用于查询可用音色列表。 插件通过 `dsh plug
阅读全文用 dsh-voice 给 DeepSeek Harness 补上口述输入和语音朗读
dsh-voice 是 Jesse-njx 维护的 DeepSeek Harness 工具插件，用 transcribe 把口述或音频文件变成用户消息，用 speak 在后台朗读且不阻塞回合，并用 /voice 按会话开关自动读回复。音频默认落在 ~/.dsh/voice/，会话日志只保存引用和转写。许可证 MIT，版本 0.1.0。安装以目录页命令 dsh plugin add github:Jesse-njx/dsh-voice 为准。默认走离线后端，openai 与 edge-tts 不会被自动选中；v0.1 不做实时对讲或唤醒词。
阅读全文使用PaddlePaddle轻松实现语音合成
本文介绍了使用PaddlePaddle进行语音合成的实现方法，包括简单的代码示例、GUI界面操作以及Flask Web接口。首先通过简单程序实现了文本到语音的基本功能，利用声学模型和声码器模型完成合成过程，并将结果保存为音频文件；其次介绍了`gui.py`界面程序用于简化用户操作体验；最后展示了使用`server.py`提供的Flask Web服务，能够供Android应用或小程序调用以实现远程语
阅读全文