Agent Skill · AI 工具

text-to-speech（文字转语音）

用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制；涉及人声克隆、版权音乐或公开发布时，应先核对授权和合规边界。

text-to-speech 是AI 工具类 Agent Skill，可用宿主为 Codex、Claude、Cursor、Gemini CLI，通过GitHub 仓库获取，权限为调用外部服务；许可证为 MIT，暂无第三方扫描结果，按安装量在AI 工具类的 2,536 个 Skill 里排第 173。

总安装 13,536周安装 679GitHub Stars 2下载 9,685核验 2026-05-01

AI 工具调用外部服务 GitHub 仓库未标认证来源可访问许可证明确审计未展示Codex Claude Cursor Gemini CLI

安装说明

本站只整理中文说明，不托管安装包，也不代用户安装。

GitHub

许可证: MIT

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手，先确认命令和权限，再让它执行。

请帮我安装这个 Agent Skill：text-to-speech（文字转语音）
来源仓库：https://github.com/skill-zero/s
仓库路径：skills/text-to-speech
安装命令：
npx skills add skill-zero/s --skill "text-to-speech"
安装前请先检查当前环境是否支持对应 CLI，并向我确认将要执行的命令、安装目录、联网范围和文件读写权限；确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill；本站只展示命令，不托管安装包，也不自动执行。

AgentSkills.tonpx skills

npx skills add skill-zero/s --skill "text-to-speech"

这个 Skill 是做什么的

AI 工具类 Skill 用来扩展助手本身的能力，例如接模型、接检索、接外部服务。

通过 inference.sh CLI 使用 DIA TTS、Kokoro、Chatterbox 等将文本转换为自然语音。模型：DIA TTS（对话）、Kokoro TTS、Chatterbox、Higgs Audio、VibeVoice（播客）。功能：文本转语音、语音克隆、多说话者对话、播客生成、表达性语音。

用于：画外音、有声读物、播客、辅助功能、视频旁白、IVR、语音助手。触发器：文本转语音、tts、语音生成、ai 语音、语音合成、旁白、生成语音、ai 旁白、语音克隆、文本转音频、elevenlabs 替代方案、ai 语音、ai 配音、语音生成器、自然语音

来源仓库内路径：skills/text-to-speech

上手步骤

4 步

1
确认自己的宿主工具
公开资料标注支持 Codex、Claude、Cursor、Gemini CLI；先确认自己用的是其中之一，再按对应工具的 Skills 目录放置。
2
拿到安装命令
可以直接复制的命令是 npx skills add skill-zero/s --skill "text-to-speech"；命令里的占位符换成自己的路径或密钥再执行。
3
安装后重启宿主
命令执行完要完全退出宿主工具再打开，让新装的 Skill 被重新扫描到，否则列表里可能看不到。
4
按最小权限试用
它需要调用外部服务，先在测试目录或测试账号里跑，确认没问题再放到正式项目。

常见问题

6 条

text-to-speech 怎么安装？

在终端执行 npx skills add skill-zero/s --skill "text-to-speech"。装完完全退出宿主工具再打开，让它重新扫描本地 Skill。

text-to-speech 支持哪些 AI 工具？

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录，一般也能手动放进去，但要自己确认触发方式是否一致。

text-to-speech 需要什么权限？

权限级别是调用外部服务。该 Skill 可能调用第三方服务、云服务或外部模型 API，使用前需要确认账号、额度、数据发送范围和服务条款。

text-to-speech 是免费的吗？

来源标注的许可证是 MIT。本站不代收任何费用，也不托管安装包；能否商用、要不要署名，以许可证原文为准。

text-to-speech 用的人多吗？

公开数据是累计安装 13,536 次，近一周安装 679 次，下载 9,685 次，GitHub 2 星。这些数字来自第三方目录统计，只能当作热度参考，不代表质量或安全性。

text-to-speech 安全吗？

没有查到第三方扫描结果，安全性无法从公开资料判断，安装前请自行审查源码、依赖和命令行为。

值得选的地方和要先想清楚的地方

值得选的地方

同时适配 4 种工具，换客户端不用重新找替代品。
许可证明确为 MIT，商用和分发边界好判断。

先想清楚的地方

没有第三方扫描结果，安全性只能靠自己读源码判断。
第三方目录整理，版本更新和行为细节以来源仓库为准。

适不适合你

更适合

已经在用 Codex，想直接扩展它能力的人。
需要处理AI 工具类任务、又不想每次都手写提示词的人。

不太适合

要求有安全扫描结论才肯安装的团队。
需要厂商级技术支持和 SLA 的生产系统。

AI 工具类 Skill 对比

6 个同类

Skill	总安装	GitHub 星	权限	许可证	扫描
executing-plans 执行计划 · Codex、Claude	1,515,336	173,110	只读	MIT	通过
verification-before-completion 完成前的验证 · Codex、Claude	1,319,472	173,121	权限未标注	MIT	通过
subagent-driven-development 子 Agent 驱动开发 · Codex、Claude	1,312,416	173,138	只读	MIT	通过
copy-editing 复制编辑 · Codex、Claude	1,209,576	25,632	只读	MIT	通过
paywall-upgrade-cro 付费专区升级 cro · Codex、Claude	1,030,176	25,617	只读	MIT	通过
text-to-speech 文字转语音 · 本页	13,536	2	调用外部服务	MIT	未收录

按安装量取同分类前几名；数字来自第三方目录统计，只作热度参考，不代表质量结论。

SKILL.md 原文

name: text-to-speech
description: Convert text to natural speech with DIA TTS, Kokoro, Chatterbox, and more via inference.sh CLI. Models: DIA TTS (conversational), Kokoro TTS, Chatterbox, Higgs Audio, VibeVoice (podcasts). Capabilities: text-to-speech, voice cloning, multi-speaker dialogue, podcast generation, expressive speech. Use for: voiceovers, audiobooks, podcasts, accessibility, video narration, IVR, voice assistants. Triggers: text to speech, tts, voice generation, ai voice, speech synthesis, voice over, generate speech, ai narrator, voice cloning, text to audio, elevenlabs alternative, voice ai, ai voiceover, speech generator, natural voice
allowed-tools: Bash(infsh *)

Text-to-Speech

Convert text to natural speech via inference.sh CLI.

Text-to-Speech

Quick Start

# Install CLI
curl -fsSL https://cli.inference.sh | sh && infsh login

# Generate speech
infsh app run infsh/kokoro-tts --input '{"text": "Hello, welcome to our product demo."}'

Available Models

Model	App ID	Best For
DIA TTS	`infsh/dia-tts`	Conversational, expressive
Kokoro TTS	`infsh/kokoro-tts`	Fast, natural
Chatterbox	`infsh/chatterbox`	General purpose
Higgs Audio	`infsh/higgs-audio`	Emotional control
VibeVoice	`infsh/vibevoice`	Podcasts, long-form

Browse All Audio Apps

infsh app list --category audio

Examples

Basic Text-to-Speech

infsh app run infsh/kokoro-tts --input '{"text": "Welcome to our tutorial."}'

Conversational TTS with DIA

infsh app sample infsh/dia-tts --save input.json

# Edit input.json:
# {
#   "text": "Hey! How are you doing today? I'm really excited to share this with you.",
#   "voice": "conversational"
# }

infsh app run infsh/dia-tts --input input.json

Long-form Audio (Podcasts)

infsh app sample infsh/vibevoice --save input.json

# Edit input.json with your podcast script
infsh app run infsh/vibevoice --input input.json

Expressive Speech with Higgs

infsh app sample infsh/higgs-audio --save input.json

# {
#   "text": "This is absolutely incredible!",
#   "emotion": "excited"
# }

infsh app run infsh/higgs-audio --input input.json

Use Cases

Voiceovers: Product demos, explainer videos
Audiobooks: Convert text to spoken word
Podcasts: Generate podcast episodes
Accessibility: Make content accessible
IVR: Phone system voice prompts
Video Narration: Add narration to videos

Combine with Video

Generate speech, then create a talking head video:

# 1. Generate speech
infsh app run infsh/kokoro-tts --input '{"text": "Your script here"}' > speech.json

# 2. Use the audio URL with OmniHuman for avatar video
infsh app run bytedance/omnihuman-1-5 --input '{
  "image_url": "https://portrait.jpg",
  "audio_url": "<audio-url-from-step-1>"
}'

Related Skills

# Full platform skill (all 150+ apps)
npx skills add inference-sh/skills@inference-sh

# AI avatars (combine TTS with talking heads)
npx skills add inference-sh/skills@ai-avatar-video

# AI music generation
npx skills add inference-sh/skills@ai-music-generation

# Speech-to-text (transcription)
npx skills add inference-sh/skills@speech-to-text

# Video generation
npx skills add inference-sh/skills@ai-video-generation

Browse all apps: infsh app list

Documentation

Running Apps - How to run apps via CLI
Audio Transcription Example - Audio processing workflows
Apps Overview - Understanding the app ecosystem

平台分布

Claude Code

65.3%

按下载量换算6,324

Cursor

26.28%

按下载量换算2,545

安全审计

暂无安全审计结果可展示。

权限和风险

调用外部服务

该 Skill 可能调用第三方服务、云服务或外部模型 API，使用前需要确认账号、额度、数据发送范围和服务条款。

安装前确认

本站仅展示第三方公开信息，不托管安装包，不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源，建议同时核对源仓库。

继续浏览同类 Skills

更多AI 工具 Skills（2,536）返回 Skills 目录

上一个 Skill

text-to-speech（文字转语音）

inf-sh/skills

下一个 Skill

text-to-speech（文字转语音）

wlzh/skills