火山引擎豆包语音合成 TTS → 飞书语音#

火山引擎官方豆包语音合成服务，支持 2.0 模型，多种情感控制、音色切换，支持SSML标记。集成飞书发送，合成后直接以语音气泡发送。

配置#

火山引擎凭证#

首次使用需要创建 ~/.openclaw/workspace/skills/volcengine-tts-feishu/config.json 存放你的凭证：

json

{
  "appid": "你的AppID",
  "access_token": "你的Access Token",
  "default_resource_id": "seed-tts-2.0",
  "default_voice": "zh_female_meilinvyou_uranus_bigtts",
  "default_emotion": "vocal-fry"
}

配置好默认值后，使用时可以省略参数，只传 --text。也可以每次命令行传入覆盖配置。

飞书发送#

飞书AppID/AppSecret自动从 ~/.openclaw/openclaw.json 读取，OpenClaw已经配置好飞书的话 不需要额外配置，直接用 --send-to <open_id> 即可发送语音气泡。

使用#

单个脚本，通过 --send-to 参数控制是否发送飞书：

1. 仅生成MP3文件（不发送）#

不加 --send-to → 只生成MP3保存到文件，不发送飞书：

bash

cd ~/.openclaw/workspace/skills/volcengine-tts-feishu
source scripts/.venv/bin/activate

python scripts/http_tts.py \
  --appid <你的AppID> \
  --access_token <你的Access Token> \
  --resource_id seed-tts-2.0 \
  --voice_type zh_female_meilinvyou_uranus_bigtts \
  --emotion excited \
  --text "你好，欢迎使用火山引擎豆包语音合成。" \
  --output output.mp3

2. 合成后直接发送飞书语音气泡（一步到位）#

加上 --send-to <open_id> → 自动完成全套流程：

1. TTS合成MP3
2. ffmpeg转Opus格式（飞书语音要求）
3. 上传到飞书获取file_key
4. 发送 msg_type: audio 语音气泡

bash

cd ~/.openclaw/workspace/skills/volcengine-tts-feishu
source scripts/.venv/bin/activate

python scripts/http_tts.py \
  --appid <你的AppID> \
  --access_token <你的Access Token> \
  --resource_id seed-tts-2.0 \
  --voice_type zh_female_meilinvyou_uranus_bigtts \
  --emotion excited \
  --text "你好，欢迎使用火山引擎豆包语音合成。" \
  --send-to <open_id>

text

默认配置已经存在 `config.json` 中，使用时可以省略这些参数，只传 `--text` 和 `--send-to`。飞书配置自动从 `~/.openclaw/openclaw.json` 读取，不需要额外配置。

**使用经验：**
- 不需要叠加多个情感，单个 `emotion` 参数效果最佳
- **最关键断句停顿规则（最终确认）：**
  - `...` 表示 **大喘气/长停顿**，只在真正需要换气的时候用
  - `，` 表示 **句间短停顿**，句子内部自然分隔用逗号
  - **完整语义必须连着放一起**，绝对不强行拆分完整语义
  - **能连着说就尽量连着说**，只有真的需要停下来大喘气才加 `...`
  - 不要过度碎分到单个字或每个词都停顿（会导致有气无力，像树懒一样慢吞吞）
  - 正常说话就是完整句子，用正常标点，根本不需要加省略号，自然合成就行
  - 省略号直接连写，不需要在气口之间加额外空格
- 不要在文本中添加朗读提示（如"用XX语气说"），模型会把提示也读出来
- 开启 `--send-to` 后自动完成全套流程：MP3合成 → Opus转换 → 上传飞书 → 发送语音气泡
- 使用 `--send-to` 时，临时MP3自动存放于系统临时目录，发送完成后自动清理，不会在技能目录残留文件
- 仅生成文件时，MP3保存到你指定的 `--output` 路径

**断句总结：**
- ❌ 错误：过度拆分每个词、每个短句都硬加省略号、拆分完整语义 → 都会导致慢吞吞像树懒
- ✅ 正确：`...` 只用在真正需要大喘气的地方，句子内部自然分隔用 `，`，完整语义连着不拆分

### 完整参数用法

```bash
cd ~/.openclaw/workspace/skills/volcengine-tts-feishu
source scripts/.venv/bin/activate

python scripts/http_tts.py \
  --appid <AppID> \
  --access_token <Access Token> \
  --resource_id seed-tts-2.0 \
  --voice_type <音色ID> \
  --emotion <情感> \
  --text "要合成的文本" \
  --output output.mp3 \
  [--send-to <open_id>]  # 直接发送飞书语音，可选

参数说明#

参数必填说明--appid是火山引擎AppID--access_token是火山引擎Access Token--voice_type是音色ID--text是要合成的文本--output是（仅生成文件时必填；发送飞书时会自动使用临时目录，不需要指定）输出MP3文件路径，发送飞书后自动清理--sample_rate否采样率，默认 24000``--format否格式 mp3/pcm/ogg_opus，默认 mp3``--resource_id否seed-tts-1.0 / seed-tts-2.0，默认 seed-tts-2.0``--emotion否情感参数，见下文--emotion-scale否情感强度，范围 1~5，默认 4，越大情绪越明显

常用音色 (2.0模型)#

音色ID说明zh_female_vv_uranus_bigttsVivi 女zh_female_meilinvyou_uranus_bigtts魅力女友 女zh_male_shuaiyuwen_uranus_bigtts帅语文 男

完整音色列表： https://www.volcengine.com/docs/6561/1257544

情感参数#

支持单情感参数，适合 2.0 模型：

参数值说明happy开心sad悲伤angry生气surprised惊讶fear恐惧hate厌恶✨ excited激动 ✨ 默认coldness冷漠neutral中性depressed沮丧lovey-dovey撒娇shy害羞comfort安慰鼓励tension咆哮/焦急tender温柔✨ vocal-fry低语/ASMR气泡音 ✨

SSML支持#

支持SSML标记控制音调、语速、情感，标记不会被读出：

xml

<speak>
  <emotion category="lovey-dovey">
    <semitones>降2度</semitones>
    <prosody rate="slow">你好，欢迎使用火山引擎豆包语音合成。</prosody>
  </emotion>
</speak>

直接把SSML字符串传给 --text 参数即可。

依赖安装#

首次使用需要创建虚拟环境并安装依赖：

bash

cd ~/.openclaw/workspace/skills/volcengine-tts-feishu
python3 -m venv scripts/.venv
source scripts/.venv/bin/activate
pip install -r requirements.txt

依赖： requests

系统依赖#

发送飞书语音需要 ffmpeg 用来转格式（MP3 → Opus）：

bash

# macOS
brew install ffmpeg

# Ubuntu/Debian
sudo apt install ffmpeg

# CentOS
sudo yum install ffmpeg

如果没有ffmpeg， --send-to 功能无法使用。只生成MP3不需要ffmpeg。

确认虚拟环境#

每次运行前先激活虚拟环境：

bash

cd ~/.openclaw/workspace/skills/volcengine-tts-feishu
source scripts/.venv/bin/activate

确认是否在虚拟环境中：

bash

which python

输出应该包含 scripts/.venv/bin/python，说明正确激活。

用完可以退出：

bash

deactivate