TTS WAV 生成器

将文本内容转换为符合特定格式要求的 WAV 音频文件。

输出格式规范

• 文件格式: WAV
• 音频编码: PCM (无损)
• 采样率: 8000 Hz (8KHz)
• 位深度: 16 bit
• 声道: 单声道 (Mono)
• 文件大小: 不超过 3MB

使用场景

用户提出以下需求时触发本 Skill：

• "生成 WAV 格式的音频"
• "需要 8000Hz 采样率的语音文件"
• "转换为 PCM 编码的音频"
• "生成单声道 WAV 文件"
• "文字转 WAV 音频"
• "生成符合电话系统要求的语音文件"

工作流程

步骤1：确认用户需求

向用户确认以下信息：

1. 文本内容 - 需要转换的文本（必需）
2. 输出文件名 - 音频文件名称（可选，默认 output.wav）
3. 语音类型 - 男声/女声（可选，默认根据语言自动选择）
4. 语速 - 正常/快/慢（可选，默认正常）

步骤2：执行转换

使用 TTS 脚本将文本转换为指定格式的 WAV 音频：

python3 scripts/tts_wav.py \
  -t "文本内容" \
  -o "输出文件.wav" \
  [可选: -v 语音ID] \
  [可选: -r 语速]

步骤3：验证并发送

转换完成后：

1. 验证文件格式是否符合要求
2. 检查文件大小是否超过 3MB
3. 将生成的 WAV 文件发送给用户

可用语音选项

语音ID	语言	性别	描述
zh-CN-XiaoxiaoNeural	中文	女声	晓晓（默认中文女声）
zh-CN-YunxiNeural	中文	男声	云希（中文男声）
zh-CN-YunjianNeural	中文	男声	云健（新闻播报风格）
zh-CN-XiaoyiNeural	中文	女声	晓伊
en-US-AriaNeural	英文	女声	Aria（默认英文女声）
en-US-GuyNeural	英文	男声	Guy（英文男声）
en-GB-SoniaNeural	英文	女声	Sonia（英式英语）
ja-JP-NanamiNeural	日语	女声	Nanami
ko-KR-SunHiNeural	韩语	女声	SunHi

查看所有可用语音：

python3 scripts/tts_wav.py --list-voices

语速参数

• -r "+0%" - 正常语速（默认）
• -r "+20%" - 加快20%
• -r "-20%" - 减慢20%

使用示例

示例1：基础转换（自动检测语言）

python3 scripts/tts_wav.py \
  -t "欢迎使用网易七鱼智能客服系统" \
  -o welcome.wav

示例2：指定英文女声

python3 scripts/tts_wav.py \
  -t "Hello, welcome to our service." \
  -o greeting.wav \
  -v en-US-AriaNeural

示例3：加快语速

python3 scripts/tts_wav.py \
  -t "这是一段快速语音提示。" \
  -o fast_prompt.wav \
  -r "+30%"

依赖安装

首次使用前需要安装依赖：

pip3 install edge-tts pydub

如果系统缺少 ffmpeg，需要安装：

# Ubuntu/Debian
sudo apt-get install ffmpeg

# macOS
brew install ffmpeg

# CentOS/RHEL
sudo yum install ffmpeg

注意事项

1. 文本长度限制：建议单次转换不超过 2000 字，过长文本可分段处理
2. 文件大小：转换后的 WAV 文件大小与时长成正比，约 1MB/分钟
3. 网络要求：需要联网使用（调用 Microsoft Edge TTS 服务）
4. 音频质量：8000Hz 采样率适合语音通话场景，音乐质量会下降
5. 格式兼容性：生成的 WAV 文件兼容大多数电话系统和语音播报设备