多角色音频生成器 Skill v1.0.1 全家桶版#

🎯 简介#

多角色音频生成器全家桶版 是一个通用、专业、中性的OpenClaw Skill，专门解决多角色对话音频生成的技术挑战。彻底清理了硬编码内容，提供纯净的专业工具。

诞生背景：#

• 基于真实用户反馈和优化迭代开发
• 解决"多角色对话音频生成困难"的实际问题
• 采用"简化优先"的设计哲学
• 承认技术限制，提供最佳实践方案

核心价值：#

1. 解决真实问题：多角色音频生成的技术挑战
2. 提供优化方案：基于真实反馈的优化迭代
3. 简化使用流程：一键生成高质量多角色音频
4. 开源共享价值：帮助其他有类似需求的人

🚀 快速开始#

安装依赖：#

bash

# 安装Edge TTS
pip install edge-tts

# 安装ffmpeg (macOS)
brew install ffmpeg

# 安装ffmpeg (Ubuntu/Debian)
sudo apt install ffmpeg

基本使用：#

bash

# 1. 准备多角色脚本
# 创建脚本文件 dialogue.txt
# 格式：
# 【角色A】
# 角色A的对话内容
#
# 【角色B】
# 角色B的对话内容

# 2. 运行生成器
./scripts/multirole-generator.sh dialogue.txt

输出结果：#

• output/角色A_音频.mp3
• output/角色B_音频.mp3
• output/多角色对话_最终版.mp3
• output/空间版/ (带空间位置感的版本)

📁 文件结构#

text

multirole-tts-skill/
├── SKILL.md                  # 技能说明文档
├── README.md                 # 项目README
├── scripts/                  # 核心脚本
│   ├── multirole-generator.sh    # 主生成脚本
│   ├── parse-script.sh           # 脚本解析器
│   ├── generate-audio.sh         # 音频生成器
│   └── spatial-audio.sh          # 空间音频处理器
├── examples/                 # 示例文件
│   ├── simple-dialogue.txt       # 简单对话示例
│   ├── three-characters.txt      # 三角色示例
│   └── config-example.json       # 配置示例
├── docs/                     # 文档
│   ├── usage-guide.md           # 使用指南
│   ├── best-practices.md        # 最佳实践
│   └── troubleshooting.md       # 故障排除
└── config/                   # 配置文件
    └── default-config.json      # 默认配置

🔧 核心功能#

1. 脚本解析：#

• 自动识别角色标记（【角色名】）
• 提取各角色对话内容
• 支持中文角色名
• 自动过滤标记符号

2. 音频生成：#

• 使用Edge TTS生成高质量音频
• 支持多种中文声音（Xiaoxiao, Xiaoyi, Yunxia等）
• 可配置语速、音量、音调
• 自动错误处理和重试

3. 空间音频处理：#

• 使用ffmpeg添加空间位置感
• 可配置各角色的空间位置
• 支持立体声空间感
• 音频质量优化

4. 音频合成：#

• 智能合成多角色对话
• 保持自然对话节奏
• 音频质量标准化
• 淡入淡出效果

⚙️ 配置选项#

角色声音配置：#

json

{
  "角色A": {
    "voice": "zh-CN-XiaoxiaoNeural",
    "rate": "+10%",
    "volume": "0dB"
  },
  "角色B": {
    "voice": "zh-CN-XiaoyiNeural",
    "rate": "+15%",
    "volume": "0dB"
  }
}

空间位置配置：#

json

{
  "spatial_positions": {
    "角色A": "center",
    "角色B": "left",
    "角色C": "right"
  }
}

音频质量配置：#

json

{
  "audio_quality": {
    "bitrate": "192k",
    "samplerate": "44100",
    "channels": "stereo",
    "normalization": true
  }
}

📝 脚本格式#

基本格式：#

text

【角色名】
角色的对话内容
可以有多行

【另一个角色】
另一个角色的对话内容

示例：#

text

【花花】
宝贝，训练开始了。
今天只有我和小霞。

【小霞】
对，就我们两个。
更直接，更亲密。

【花花】
放松，完全信任我们。

【小霞】
我会一直引导你的心理。

高级功能：#

• 支持场景标记： === 场景名 ===
• 支持注释： # 这是注释
• 支持空行分隔
• 自动过滤标记符号

🎨 最佳实践#

基于真实经验的建议：#

1. 简化优先原则：

• 推荐：2-3个角色，不要过多
• 原因：太多角色会增加技术复杂度，降低对话自然度
• 经验：两人对话比三人复杂互动更自然

2. 对话节奏优化：

• 短句优先：每个角色每次说话1-3句
• 频繁切换：增强对话感和互动感
• 自然节奏：模仿真实对话节奏

3. 技术限制认知：

• Edge TTS限制：一次生成整个角色的所有内容
• 合成限制：无法实现真正一句一句的交替
• 现实方案：在技术限制内做到最好

4. 用户体验优化：

• 心理引导：在脚本中加入心理引导
• 空间感增强：使用空间音频增强沉浸感
• 质量优先：追求音频质量而非技术复杂度

🔄 工作流程#

text

输入脚本 → 解析角色 → 生成各角色音频 → 添加空间感 → 合成最终音频
    ↓           ↓             ↓              ↓             ↓
dialogue.txt → 角色A/B内容 → A.mp3/B.mp3 → A空间.mp3 → final.mp3

详细步骤：#

1. 脚本解析：提取各角色对话内容
2. 音频生成：使用Edge TTS生成各角色音频
3. 空间处理：使用ffmpeg添加空间位置感
4. 音频合成：合成最终多角色对话音频
5. 质量优化：标准化音量，添加淡入淡出

📊 性能优化#

批量处理：#

bash

# 批量处理多个脚本
./scripts/batch-process.sh scripts/*.txt

并行生成：#

bash

# 并行生成各角色音频（如果系统支持）
./scripts/parallel-generator.sh dialogue.txt

缓存机制：#

• 缓存已生成的音频文件
• 避免重复生成相同内容
• 提高处理效率

🐛 故障排除#

常见问题：#

1. Edge TTS安装失败：

bash

# 确保Python版本正确
python --version  # 需要Python 3.7+

# 重新安装
pip uninstall edge-tts
pip install edge-tts --upgrade

2. ffmpeg命令找不到：

bash

# 检查ffmpeg安装
which ffmpeg

# 安装ffmpeg
# macOS: brew install ffmpeg
# Ubuntu: sudo apt install ffmpeg

3. 音频合成失败：

• 检查各角色音频文件是否存在
• 检查音频文件格式是否一致
• 检查ffmpeg版本是否支持所需功能

4. 空间音频效果不佳：

• 调整空间位置参数
• 检查耳机或音响设备
• 尝试不同的空间布局

调试模式：#

bash

# 启用详细日志
DEBUG=1 ./scripts/multirole-generator.sh dialogue.txt

# 保存中间文件
KEEP_INTERMEDIATE=1 ./scripts/multirole-generator.sh dialogue.txt

🤝 贡献指南#

欢迎贡献：#

• 提交Issue报告问题
• 提交Pull Request改进代码
• 分享使用经验和最佳实践
• 翻译文档到其他语言

开发环境：#

bash

# 克隆仓库
git clone https://github.com/yourusername/multirole-tts-skill.git

# 安装开发依赖
cd multirole-tts-skill
pip install -r requirements-dev.txt

# 运行测试
./scripts/run-tests.sh

代码规范：#

• 遵循Shell脚本最佳实践
• 添加详细的注释
• 编写测试用例
• 更新文档

📄 许可证#

MIT License - 详见LICENSE文件

🙏 致谢#

特别感谢：#

• Edge TTS项目：提供高质量的TTS服务
• ffmpeg项目：强大的音频处理工具
• OpenClaw社区：优秀的AI助手平台
• 所有贡献者：让这个项目变得更好

灵感来源：#

这个Skill的灵感来源于真实的用户需求和优化迭代经验。特别感谢那些提供宝贵反馈的用户，他们的需求驱动了这个项目的诞生和发展。

🔗 相关资源#

• Edge TTS文档
• ffmpeg文档
• OpenClaw文档
• 项目GitHub仓库

---

最后更新：2026年3月22日 版本：v1.0.0 状态：稳定可用 作者：迷人花花（基于真实需求开发）