- name
- article-tts
- description
- 拍照或文字转音频：文章照片 OCR 提取文字，或直接接收文字，生成 Microsoft Edge TTS 语音，支持中英文、自动转写、语速调节、逐句拆分。| Capture article photos (OCR) or plain text, generate natural audio via Edge TTS. Bilingual support (EN/ZH), configurable speed, voice, and sentence splitting.
- requires
- binaries
- runtime
- install
- |
- credentials
Article TTS Skill
Default Configuration
| 参数 | 默认值 | 说明 |
|---|---|---|
lang | en | 语言：en 或 zh |
skipConfirmation | false | 是否跳过文字确认步骤 |
speed | 90% | TTS 语速（--rate=-10% = 90%） |
voice | en-US-EmmaNeural（英文）/ zh-CN-XiaoxiaoNeural（中文） | TTS 声音 |
splitSentences | false | 是否生成按句拆分的音频 |
Supported Languages
| 语言 | OCR 语言包 | TTS Voice |
|---|---|---|
en | eng（预装） | en-US-EmmaNeural |
zh | chi_sim（需安装） | zh-CN-XiaoxiaoNeural |
中文 OCR 语言包安装： - Linux（WSL/Debian/Ubuntu）：apt-get install tesseract-ocr-chi-sim- macOS：brew install tesseract-lang（自带中文） - Windows：下载chi_sim.traineddata放入 Tesseract 安装目录的tessdata文件夹
Workflow
Input Types
- 图片：OCR 提取文字（需要
lang指定语言） - 纯文字：直接 TTS，无需 OCR
Standard Flow（默认，需确认）
图片 → OCR 提取文字 → 展示给用户确认 → 用户确认 → 生成 TTS → 发送
文字 → 直接生成 TTS → 发送Skip-Confirmation Flow ⚠️
用户说"不需要确认"或"直接生成"时，跳过确认步骤。
⚠️ 安全提示：skipConfirmation 会跳过文字确认步骤，OCR 提取的文本（可能包含敏感信息）会直接转为音频并发送。适用于可信来源、低敏感内容。建议默认关闭（skipConfirmation: false）。OCR Step
# 图片预处理
from PIL import Image, ImageOps
img = Image.open(image_path)
img = ImageOps.autocontrast(img.convert('L'), cutoff=10)
w, h = img.size
img = img.resize((w*4, h*4), Image.LANCZOS)
img.save('/tmp/ocr_input.jpg', quality=99)# 英文
tesseract /tmp/ocr_input.jpg stdout -l eng --psm 4
# 中文
tesseract /tmp/ocr_input.jpg stdout -l chi_sim --psm 4TTS Step
全文字频
uvx edge-tts \
-t "FULL TEXT" \
-v en-US-EmmaNeural \
--rate=-10% \
--write-media OUTPUT_DIR/full_article.mp3
# 中文
uvx edge-tts \
-t "中文文字内容" \
-v zh-CN-XiaoxiaoNeural \
--rate=-10% \
--write-media OUTPUT_DIR/full_article.mp3按句拆分（仅 splitSentences=true）
import subprocess, re
def split_sentences(text, lang='en'):
if lang == 'zh':
# 中文按句号/感叹号/问号拆分
sentences = re.split(r'(?<=[。！？])\s*', text)
else:
# 英文按 .!? 拆分
sentences = re.split(r'(?<=[.!?])\s+', text)
return [s.strip() for s in sentences if s.strip()]
sentences = split_sentences(text, lang=lang)
for i, sentence in enumerate(sentences, 1):
num = str(i).zfill(2)
voice = 'zh-CN-XiaoxiaoNeural' if lang == 'zh' else 'en-US-EmmaNeural'
subprocess.run([
"uvx", "edge-tts",
"-t", sentence,
"-v", voice,
"--rate=-10%",
"--write-media", f"OUTPUT_DIR/sentence_{num}.mp3"
])Output Directory
/mnt/d/wslspace/workspace/articles/YYYY-MM-DD-article-slug/
├── original_text.md
├── full_article.mp3
└── sentence_01.mp3 ...Sending via Message Channel
The agent detects the active channel from the runtime context and calls message(...) accordingly. No hardcoded channel — the agent uses whichever channel the user is currently chatting through.
# Detect active channel automatically (from runtime inbound metadata)
# channel is inferred: feishu / telegram / discord / whatsapp / signal / imessage / openclaw-weixin
# 发送全文
message(action="send", channel="{active_channel}",
message="📄 全文音频",
media="PATH/full_article.mp3",
filename="full_article.mp3")
# 发送每句
for i, sentence in enumerate(sentences, 1):
num = str(i).zfill(2)
message(action="send", channel="{active_channel}",
message=f"📝 {num}: {sentence}",
media=f"PATH/sentence_{num}.mp3",
filename=f"sentence_{num}.mp3")Channel Behavior Notes
| Channel | 音频支持 | 备注 |
|---|---|---|
| Feishu | ✅ | 推荐使用 feishu-voice-send skill 发送语音消息 |
| Telegram | ✅ | 直接发送 mp3 |
| Discord | ✅ | 作为附件发送 |
| ✅ | 直接发送 mp3 | |
| Signal | ⚠️ | 取决于信号强度，可能不支持 |
| iMessage | ⚠️ | 通过 macOS 发送，mp3 兼容性一般 |
| WeChat Work | ✅ | 同 Feishu |
If the channel does not support audio, the agent saves the file to OUTPUT_DIR and sends the file path as a text message instead.
如何发送为语音消息（而非附件）
重要说明： OpenClaw 内置的飞书媒体发送存在 bug（缺少 duration 参数），导致 .ogg 文件有时显示为附件而非语音消息。
推荐方案：使用 feishu-voice-send skill
该 skill 调用飞书官方 API，正确传递 duration 参数，确保语音消息正常显示。
方式一：通过 feishu-voice-send skill 发送
# 发送现有的 .ogg 文件
python3 /mnt/d/wslspace/workspace/skills/feishu-voice-send/scripts/send_voice.py \
/path/to/audio.ogg \
<接收者open_id>
# 或直接生成 TTS 并发送
python3 /mnt/d/wslspace/workspace/skills/feishu-voice-send/scripts/tts_and_send.py \
"要转换的文字" \
<接收者open_id> \
-v zh-CN-YunjianNeural \
-r -10%方式二：手动调用（不推荐）
如果必须使用 OpenClaw 内置的 message 工具，需要：
- 将 mp3 转换为标准 Ogg Opus 格式
- 发送时必须带 message 参数
- 注意：即使带 message 参数，仍可能因为缺少 duration 而显示为附件
# 1. 用 edge-tts 生成 mp3
uvx edge-tts \
-t "Your text here" \
-v en-US-EmmaNeural \
--rate=-10% \
--write-media OUTPUT_DIR/voice.mp3
# 2. 用 ffmpeg 转换为标准 Ogg Opus
ffmpeg -i OUTPUT_DIR/voice.mp3 \
-c:a libopus \
-b:a 32k \
-ar 24000 \
-ac 1 \
OUTPUT_DIR/voice.ogg
# 3. 使用 message 工具发送（仍可能显示为附件）
message(action="send", channel="feishu", \
message="📄 语音", \
media="OUTPUT_DIR/voice.ogg")Available TTS Voices
English
en-US-EmmaNeural, en-US-BrianNeural, en-GB-LibbyNeural, ...
Chinese
zh-CN-XiaoxiaoNeural（女声）, zh-CN-YunxiNeural（男声）, zh-CN-YunyangNeural（新闻男声）, ...
查看完整列表：uvx edge-tts -l | grep "zh-CN"
Notes
- Tesseract + English 预装；中文需
apt-get install tesseract-ocr-chi-sim - edge-tts 通过
uvx运行，无需安装 - 图片质量直接影响 OCR 效果，尽量保持光线充足、角度端正