豆包 TTS 技能#

用火山引擎豆包 TTS 把文字转成语音，支持多种音色、情感、语速调节。

---

配置步骤#

1. 申请火山引擎凭证#

1. 访问 https://www.volcengine.com/
2. 注册/登录账号
3. 进入控制台 → 语音技术 → 语音合成
4. 创建应用，获取以下信息：
   • AppID
   • Access Token
   • Cluster（集群 ID）

2. 创建配置文件#

创建 ~/.openclaw/doubao-tts-config.json：

json

{
  "appid": "你的 AppID",
  "access_token": "你的 Access Token",
  "cluster": "你的 Cluster ID",
  "voice_type": "BV700_streaming",
  "emotion": "pleased"
}

配置说明

字段必填说明示例appid是火山引擎 AppID1234567890access_token是访问令牌xxxxxcluster是集群 IDvolcano_ttsvoice_type否默认音色BV700_streamingemotion否默认情感pleased

---

音色推荐#

常用音色#

音色名称voice_type特点灿灿BV700_streaming22 种情感，最全能（默认）擎苍BV701_streaming旁白模式，适合读文章通用女声BV001_streaming日常对话通用男声BV002_streaming基础男声甜美小源BV405_streaming智能助手风格知性女声BV009_streaming专业严肃

情感/风格#

情感值说明愉悦pleased默认，友好语气开心happy欢快悲伤sad低沉客服customer_service专业客服讲故事storytelling叙述风格安慰鼓励comfort温暖安慰

---

使用方式#

基础用法#

text

朗读 "今天天气不错"
帮我把这段话转成语音：你好，欢迎使用豆包 TTS
用声音读出来：欢迎回家

指定音色#

text

用男声读 "你好"
用灿灿的声音读这段文字
换一个女声读

自动情感判断（推荐）#

技能会自动根据内容选择情感，无需手动指定：

内容特征自动情感示例夸奖、好事、成功happy（开心）"太棒了""搞定了"道歉、失误、遗憾sad（悲伤）"对不起""弄错了"安慰、陪伴、鼓励pleased（愉悦）"别难过""我陪着你"惊讶、意外surprise（惊讶）"哇""真的吗"特别悲伤tear（哭腔）"呜呜""哭了"日常对话pleased（愉悦）默认友好语气

注意：灿灿 (BV700_streaming) 支持的情感有限，以上已做适配。

bash

# 自动判断，无需指定情感
朗读 "吴，今天天气不错"  → 自动用 pleased
朗读 "太棒了，完成了！"  → 自动用 happy
朗读 "吴对不起，我弄错了" → 自动用 sorry

调节参数#

text

朗读 --speed 1.2 "加快语速"
朗读 --volume 0.8 "降低音量"
朗读 --pitch 1.1 "提高音调"

保存文件#

text

朗读 --save ~/Desktop/output.mp3 "保存到这里"

---

核心逻辑#

1. 读取配置#

bash

config_file="$HOME/.openclaw/doubao-tts-config.json"

if [ ! -f "$config_file" ]; then
    echo "❌ 配置文件不存在，请先创建 $config_file"
    echo "参考：https://www.volcengine.com/docs/6561/97465"
    return 1
fi

appid=$(cat "$config_file" | jq -r '.appid')
access_token=$(cat "$config_file" | jq -r '.access_token')
cluster=$(cat "$config_file" | jq -r '.cluster')
voice_type=$(cat "$config_file" | jq -r '.voice_type // "BV700_streaming"')
emotion=$(cat "$config_file" | jq -r '.emotion // "pleased"')

2. 自动情感判断#

bash

# 根据内容自动选择情感
auto_select_emotion() {
    local text="$1"
    local text_lower=$(echo "$text" | tr '[:upper:]' '[:lower:]')

    # 开心/成功场景
    if echo "$text_lower" | grep -qE "(太棒了 | 太好了 | 成功了 | 搞定 | 完成 | 厉害 | 优秀 | 棒|赞|赢|好开心|好兴奋)"; then
        echo "happy"
        return
    fi

    # 道歉/失误场景
    if echo "$text_lower" | grep -qE "(对不起 | 抱歉 | 弄错了 | 失误 | 遗憾 | 不好意思 | 我的错)"; then
        echo "sorry"
        return
    fi

    # 安慰/陪伴场景
    if echo "$text_lower" | grep -qE "(别难过 | 别伤心 | 我陪着你 | 有我在 | 没事的 | 会好的 | 加油 | 相信你)"; then
        echo "comfort"
        return
    fi

    # 讲故事/长文场景（超过 100 字或明显叙述）
    if [ ${#text} -gt 100 ] || echo "$text_lower" | grep -qE "(从前 | 故事 | 很久以前 | 话说)"; then
        echo "storytelling"
        return
    fi

    # 正式工作场景
    if echo "$text_lower" | grep -qE "(汇报 | 总结 | 数据 | 统计 | 分析 | 报告 | 清单 | 流程)"; then
        echo "professional"
        return
    fi

    # 默认愉悦
    echo "pleased"
}

emotion=$(auto_select_emotion "$text")

3. 构建请求#

bash

# 生成唯一请求 ID
reqid=$(uuidgen 2>/dev/null || echo "tts-$(date +%s)-$$")

# 默认参数
speed_ratio=${speed_ratio:-1.0}
volume_ratio=${volume_ratio:-1.0}
pitch_ratio=${pitch_ratio:-1.0}

# 构建 JSON（包含情感参数）
json_payload=$(cat <<EOF
{
  "app": {
    "appid": "$appid",
    "token": "access_token",
    "cluster": "$cluster"
  },
  "user": {
    "uid": "388808087185088"
  },
  "audio": {
    "voice_type": "$voice_type",
    "encoding": "mp3",
    "speed_ratio": $speed_ratio,
    "volume_ratio": $volume_ratio,
    "pitch_ratio": $pitch_ratio,
    "emotion": "$emotion"
  },
  "request": {
    "reqid": "$reqid",
    "text": "$text",
    "text_type": "plain",
    "operation": "query",
    "with_frontend": 1,
    "frontend_type": "unitTson"
  }
}
EOF
)

4. 发送请求#

bash

api_url="https://openspeech.bytedance.com/api/v1/tts"

response=$(curl -s -X POST "$api_url" \
  -H "Authorization: Bearer;$access_token" \
  -H "Content-Type: application/json" \
  -d "$json_payload")

# 检查错误
error_code=$(echo "$response" | jq -r '.code // 0')
if [ "$error_code" != "0" ] && [ "$error_code" != "null" ]; then
    error_msg=$(echo "$response" | jq -r '.message // "未知错误"')
    echo "❌ TTS 请求失败：$error_msg"
    return 1
fi

5. 处理响应#

bash

# 提取 base64 音频数据
audio_base64=$(echo "$response" | jq -r '.data')

if [ -z "$audio_base64" ] || [ "$audio_base64" = "null" ]; then
    echo "❌ 未获取到音频数据"
    return 1
fi

# 解码保存
output_file="${save_path:-/tmp/doubao_tts_$(date +%s).mp3}"
echo "$audio_base64" | base64 -d > "$output_file"

echo "✅ 语音生成成功：$output_file"

6. 播放音频#

bash

# Mac
if command -v afplay &> /dev/null; then
    afplay "$output_file"
# Linux
elif command -v paplay &> /dev/null; then
    paplay "$output_file"
# Windows
elif command -v powershell &> /dev/null; then
    powershell -c "(New-Object Media.SoundPlayer '$output_file').PlaySync()"
else
    echo "⚠️ 未找到播放器，音频已保存：$output_file"
fi

---

错误处理#

错误原因解决方案配置文件不存在未创建 config.json按步骤创建配置文件401 UnauthorizedToken 过期或错误重新获取 Access Token403 ForbiddenAppID 无权限检查应用配置400 Bad Request参数错误检查 voice_type 是否有效网络超时网络问题检查网络连接无音频数据API 返回异常查看完整响应内容

---

完整示例脚本#

bash

#!/bin/bash
# doubao-tts.sh - 豆包 TTS 命令行工具

set -e

config_file="$HOME/.openclaw/doubao-tts-config.json"
text="$1"
save_path="$2"

# 检查配置
if [ ! -f "$config_file" ]; then
    echo "❌ 配置文件不存在：$config_file"
    exit 1
fi

# 读取配置
appid=$(cat "$config_file" | jq -r '.appid')
access_token=$(cat "$config_file" | jq -r '.access_token')
cluster=$(cat "$config_file" | jq -r '.cluster')
voice_type=$(cat "$config_file" | jq -r '.voice_type // "BV700_streaming"')

# 生成请求
reqid=$(uuidgen 2>/dev/null || echo "tts-$(date +%s)-$$")
json_payload=$(cat <<EOF
{
  "app": {"appid": "$appid", "token": "access_token", "cluster": "$cluster"},
  "user": {"uid": "388808087185088"},
  "audio": {"voice_type": "$voice_type", "encoding": "mp3"},
  "request": {"reqid": "$reqid", "text": "$text", "text_type": "plain", "operation": "query", "with_frontend": 1}
}
EOF
)

# 发送请求
response=$(curl -s -X POST "https://openspeech.bytedance.com/api/v1/tts" \
  -H "Authorization: Bearer;$access_token" \
  -H "Content-Type: application/json" \
  -d "$json_payload")

# 处理响应
audio_base64=$(echo "$response" | jq -r '.data')
if [ -z "$audio_base64" ]; then
    echo "❌ 请求失败：$response"
    exit 1
fi

output_file="${save_path:-/tmp/doubao_tts_$$.mp3}"
echo "$audio_base64" | base64 -d > "$output_file"
echo "✅ 生成成功：$output_file"

# 播放
afplay "$output_file" 2>/dev/null || echo "请手动播放：$output_file"

---

相关文件#

• 配置文件： ~/.openclaw/doubao-tts-config.json
• 输出目录： /tmp/doubao_tts_*.mp3 或用户指定路径
• 官方文档： https://www.volcengine.com/docs/6561/97465

---

注意事项#

1. Token 有效期 — Access Token 可能过期，定期更新
2. 计费 — 火山引擎 TTS 有免费额度，超出后按量计费
3. 文本长度 — 单次请求建议不超过 500 字，长文本分段处理
4. 并发限制 — 避免短时间内大量请求