minimax-tts

MiniMax 文字转语音 Skill，支持中文音色选择、情绪检测、停顿标记。

核心功能

1. 文字转语音 (tts)

生成语音并发送到飞书，支持自动情绪检测和停顿标记。

tts_wrapper.sh tts "<文本>" [voice_id] [user_open_id]

2. 音色设计 (voice_design)

通过描述创建自定义音色。

tts_wrapper.sh design "<音色描述>" "<试听文本>" "<要说的内容>"

3. 查询音色列表 (list)

tts_wrapper.sh list

4. 更新音色目录 (update)

从 API 获取最新音色并更新本地 voices-map.md。

tts_wrapper.sh update

交互式语音生成

使用方式

在飞书对话中输入 "转语音" 即可触发。

• 直接发送：转语音 → 将我最近一条消息转成语音
• 回复某条消息发送：转语音 → 将那条消息转成语音

支持的触发词

• 转语音
• 转成语音
• 变成语音
• 说一遍
• 语音播放

工作原理

1. 用户说"转语音"后，系统从以下来源获取要转换的文字：
• 被回复的那条消息（如果有）
• 我最近发送的文字（保存在本地）
2. 对文字进行预处理（情绪检测 + 停顿标记）
3. 调用 MiniMax TTS API 生成语音
4. 将语音消息发送到飞书

文本预处理功能

自动情绪检测

系统会根据文本关键词自动判断情绪，并在 API 参数中使用：

停顿标记

文本会自动在标点后插入停顿标记，提升语音自然度：

• ， → 0.3秒停顿
• 。 → 0.5秒停顿
• ？ → 0.5秒停顿
• ！ → 0.5秒停顿

示例：

• 原文：真的吗？太好了！哈哈哈！
• 处理后：真的吗？<#0.5#>太好了！<#0.5#>哈哈哈！<#0.5#>
• 情绪：happy

手动指定情绪

如需强制指定情绪，可传入 emotion 参数覆盖自动检测。

环境变量

文件结构

skills/minimax-tts/
├── SKILL.md
├── index.js
└── scripts/
    ├── tts.py                  # 核心 TTS 功能
    ├── voice_design.py         # 音色设计
    ├── list_voices.py          # 查询音色列表
    ├── update_voices_map.py    # 更新音色目录
    ├── text_preprocessor.py   # 文本预处理（情绪+停顿）
    ├── tts_from_chat.py        # 对话式转语音
    └── tts_wrapper.sh          # 统一入口

默认音色

Chinese (Mandarin)_Gentle_Senior（温柔学姐） - 温柔、知性、略带亲切感的声音