🔊 MiniMax TTS 文字转语音#

使用 MiniMax speech-2.8-hd 模型将文字转换为 MP3 音频，通过交互向导引导用户完成配置。

⚠️ 重要约束#

• 必须生成 MP3 文件发给用户，禁止调用 say 命令或通过电脑喇叭播放
• 这是消息平台工具（微信、Telegram 等），输出是文件，不是本地音频播放
• 禁止用 fetch/ curl 直接调用 API，必须通过 tts 命令

触发条件#

用户说以下内容时触发，并 严格按照【交互流程】执行：

• "文字转语音"、"TTS"、"生成语音"、"生成音频"
• "把文字转成语音"、"把这段话转成音频"
• "文字转MP3"、"生成MP3"

交互流程#

每步等待用户回复后再进入下一步，不得跳步或一次性问多个问题。

第一步：检查 Token#

运行 voices 命令，根据输出判断：

• Token 已配置 → 跳至第二步

• Token 未配置 → 发送以下消息，等待回复：

  请输入你的 MiniMax API Token（在 minimaxi.com 开放平台获取）：

  收到后运行 save-token --token <token>，然后进入第二步。

第二步：收集文字内容#

先检查用户初始消息是否已含文字（如"帮我把'你好世界'转成语音"）：

• 已包含 → 提取文字，跳至第三步

• 未包含 → 发送以下消息，等待回复：

  请输入要转换为语音的文字内容：

第三步：选择音色#

发送以下消息，等待回复：

请选择音色：

1. 甜美女声（默认）
2. 御姐
3. 霸道总裁
4. 新闻女声
5. 新闻男声
6. 电台男声

音色 ID 映射：

• 1 → female-tianmei-jingpin
• 2 → female-yujie-jingpin
• 3 → male-qn-badao-jingpin
• 4 → Chinese (Mandarin)_News_Anchor
• 5 → Chinese (Mandarin)_Male_Announcer
• 6 → Chinese (Mandarin)_Radio_Host

用户输入数字或名称均可识别。

第四步：生成并发送#

运行：

text

tts --text "<文字>" --voice "<voice ID>"

命令输出中会有一行以 FILE: 开头，例如：

text

成功! 已保存到: /tmp/openclaw/tts_1234567890.mp3 (256 KB)
FILE:/tmp/openclaw/tts_1234567890.mp3

从 FILE: 开头的行提取绝对路径（去掉 FILE: 前缀）。

⚠️ 发送文件的唯一正确方式：在回复文本中用 MEDIA: 前缀，让平台自动发送文件：

text

🔊 <音色名称> · <文件大小>KB
MEDIA:/tmp/openclaw/tts_1234567890.mp3

• MEDIA: 这一行必须单独占一行，路径就是 FILE: 后面提取的路径
• MEDIA: 行会被系统解析并自动以文件/语音发出，不会作为文字显示给用户
• 禁止 用 <file> 标签、 sessions_send、 message 工具或其他方式，只用 MEDIA: 语法
• Telegram 会自动以语音消息形式发送，微信会以文件形式发送

异常处理#

情况处理Token 无效（401）提示重新输入，运行 save-token 更新音色 ID 不存在提示重新选择，只用列表内的 6 个音色文字为空提示重新输入

命令参考#

tts#

text

tts --text "文字内容" [--voice female-tianmei-jingpin] [--speed 1.0] [--output /path/to/output.mp3]

参数必填说明--text✅要转换的文字--voice音色ID，默认 female-tianmei-jingpin``--speed语速 0.5-2.0，默认 1.0--vol音量 0.1-2.0，默认 1.0--pitch音调 -12~12，默认 0--output输出路径，默认 /tmp/tts_{timestamp}.mp3

save-token#

text

save-token --token "your-minimax-api-token"

保存 Token 到本地 server/.env，下次无需重复输入。

voices#

列出可用音色，并显示当前 Token 配置状态。

可用音色#

ID名称female-tianmei-jingpin甜美女声 ★精品female-yujie-jingpin御姐 ★精品male-qn-badao-jingpin霸道总裁 ★精品Chinese (Mandarin)_News_Anchor新闻女声Chinese (Mandarin)_Male_Announcer新闻男声Chinese (Mandarin)_Radio_Host电台男声

工作原理#

1. voices / save-token 管理本地 Token（存于 server/.env）
2. tts 调用 https://api.minimaxi.com/v1/t2a_v2
3. API 返回 hex 编码音频，解码后写入 MP3 文件
4. 将文件路径打印到 stdout，AI 解析路径后调用 message 工具（ media=<绝对路径>）发送给用户