AI 回复内容朗读

把文本转换成可直接播放的语音。默认走 新闻播报 预设，优先使用 Edge Neural TTS，失败后自动回退到本地引擎。

什么时候用

• 用户说“朗读一下”“念出来”“读上一段”“播放回复”“停止朗读”。
• 用户想切换成 女播音员 / 男播音员 / 温柔女声 / 新闻播报。
• 需要把 .codebuddy/chat-tts/latest-response.json 这类桥接文件里的内容直接播出来。
• 需要给插件、自动化任务、状态栏按钮提供一个统一的朗读脚本入口。

什么时候别用

• 用户只是想看文字总结，不需要声音。
• 用户明确说“不要播报”“静默”。
• 当前回复主要是超长代码、日志、二进制内容，这时应该先概括，再朗读概括结果。

先说清边界

• 这个 Skill 本身不会自动监听每一条 AI 回复。
• 如果要“每次回复后自动读”，需要由 宿主插件、自动化任务、外部脚本或上层 Agent 在回复完成后调用 tts_speak.py --auto-broadcast。
• 所以它更准确的定位是：统一的朗读引擎 Skill，不是聊天 UI 扩展。

推荐目录约定

上传知识库时，建议保留下面的结构：

ai-reply-tts/
  SKILL.md
  scripts/
    tts_speak.py
    check_tts_env.py

下面示例中的 请替换成技能实际安装目录，例如：

• ~/.codebuddy/skills/ai-reply-tts
• 或你上传后平台实际落地的技能目录

最常用命令

# 直接朗读一段文本
python <skill-dir>/scripts/tts_speak.py "这是一段测试内容"

# 默认新闻播报
python <skill-dir>/scripts/tts_speak.py --preset 新闻播报 "这是一段测试内容"

# 朗读文件内容
python <skill-dir>/scripts/tts_speak.py --file reply.txt

# 朗读默认桥接文件
python <skill-dir>/scripts/tts_speak.py --latest

# 自动播报模式读取默认桥接文件
python <skill-dir>/scripts/tts_speak.py --auto-broadcast --latest

# 指定桥接文件和字段
python <skill-dir>/scripts/tts_speak.py --bridge-file .codebuddy/chat-tts/latest-response.json --bridge-field spokenText

# 只输出清洗后的文本，不真正播报
python <skill-dir>/scripts/tts_speak.py --latest --dry-run

# 停止当前朗读
python <skill-dir>/scripts/tts_speak.py --stop

环境检查

首次使用前建议执行：

python <skill-dir>/scripts/check_tts_env.py

一键安装推荐依赖：

python <skill-dir>/scripts/check_tts_env.py --install

手动安装依赖：

pip install edge-tts playsound==1.2.2 pyttsx3 pywin32

如需更好的中文本地语音：

• Windows 设置 → 时间和语言 → 语音 → 添加语音 → 安装中文语音包

默认行为

当未显式指定 --preset、--style、--voice、--edge-rate、--pitch、--rate 时：

• 默认套用 新闻播报
• 默认优先使用 Edge Neural
• 自动播报模式默认追加完整性确认尾句
• 自动播报模式默认会限制朗读长度，避免整条超长回复播太久
• Edge 单段失败时先重试，再对失败分段做本地补播
• 本地补播优先 pyttsx3，再回退到 PowerShell

桥接文件模式

这个 Skill 现在支持直接读取桥接 JSON，方便和插件或其他 Skill 对接。

默认桥接文件：

• .codebuddy/chat-tts/latest-response.json

默认字段优先级：

1. spokenText
2. summary
3. plainText

推荐桥接 JSON 结构：

{
  "conversationId": "06f9cd311ad343508808e007e79bd57a",
  "replyId": "reply-2026-03-27T12:30:00+08:00",
  "updatedAt": "2026-03-27T12:30:00+08:00",
  "source": "skill",
  "title": "本轮回复主题",
  "plainText": "完整一点的文本版本",
  "spokenText": "更适合直接播报的版本"
}

推荐工作流

手动朗读

当用户说“朗读上一段”“念出来”“用女播音员读一下”时：

1. 先确定朗读来源：当前回复文本、文件，或桥接文件。
2. 用户指定预设就带 --preset。
3. 没指定就默认 新闻播报。
4. 调用脚本后，简短告诉用户“正在朗读”。

自动播报

当用户说“开启自动朗读”“每次回复后都读”时：

1. 明确告诉用户：需要宿主插件或自动化在每次回复后调用本脚本。
2. 推荐让上层系统写桥接文件，再调用：
• python /scripts/tts_speak.py --auto-broadcast --latest
3. 如果用户指定预设，则自动带上对应 --preset。
4. 用户说“关闭自动朗读”或“停止朗读”时，调用 --stop 或关闭上层开关。

快捷预设

• 女播音员：正式女声，适合通知、说明、总结
• 男播音员：沉稳男声，适合结论、讲解、正式播报
• 温柔女声：更柔和，适合解释型内容
• 新闻播报：默认预设，停顿更明显，节奏更稳

文本预处理规则

脚本会自动处理不适合直接念出来的内容：

• 代码块 → 代码内容已省略
• 链接 → 链接已省略
• 文件路径 → 路径已省略
• Markdown 标题 / 列表 / HTML 标签 → 自动清理
• 常见技术缩写如 AI、TTS、API → 转成更适合中文朗读的表达

集成建议

如果你要把这个 Skill 和聊天插件配合：

• 上游负责写桥接文件：例如 chat-tts-reader
• 这个 Skill 负责播音：读取 spokenText 后直接播报
• 宿主负责自动模式开关：插件、自动化任务或 Agent 记住“是否自动读”

这样职责最清楚：

• 一个组件负责整理文本
• 一个组件负责发声
• 一个组件负责 UI 或自动触发

常见问题

Q：默认是什么声音？

默认是 新闻播报，也就是偏正式、偏稳的新闻主播风格。

Q：怎么快速切成女播音员？

直接加 --preset 女播音员。

Q：怎么读最新桥接文件？

直接执行 python /scripts/tts_speak.py --latest。

Q：怎么做真正的自动播报？

让插件或自动化在每次回复后调用 tts_speak.py --auto-broadcast --latest。这个 Skill 自己不负责监听聊天事件。

Q：没有声音怎么办？

先运行 check_tts_env.py，确认依赖、系统音量和中文语音包状态。