名称： elevenlabs-voices
版本： 2.1.5
描述： 使用 ElevenLabs API 实现高质量的语音合成，包含 18 种人物音色、32 种语言支持、音效生成、批量处理及语音设计功能。
标签： [tts, voice, speech, elevenlabs, audio, sound-effects, voice-design, multilingual]
元数据： {"openclaw":{"requires":{"bins":["python3"],"env":{"ELEVEN_API_KEY":"必填","ELEVENLABS_API_KEY":"可选"},"note":"请设置 ELEVEN_API_KEY。ELEVENLABS_API_KEY 是其可接受的别名。"}}}

ElevenLabs 语音人物库 v2.1

基于 ElevenLabs API 的综合性语音合成工具包。

🚀 首次运行 - 设置向导

首次使用此技能（不存在 config.json 文件时），请运行交互式设置向导：

python3 scripts/setup.py

向导将引导您完成：
1. API 密钥 - 输入您的 ElevenLabs API 密钥（必需）
2. 默认语音 - 从热门音色中选择（Rachel、Adam、Bella 等）
3. 语言 - 设置首选语言（支持 32 种）
4. 音频质量 - 标准或高质量输出
5. 成本追踪 - 启用用量与成本监控
6. 预算限制 - 可选的月度支出上限

🔒 隐私说明： 您的 API 密钥仅本地存储在 config.json 中，不会离开您的设备，并已通过 .gitignore 自动排除在 git 版本控制之外。

如需随时重新配置，只需再次运行设置向导。

✨ 功能特性

• 18 种人物音色 - 为不同使用场景精心挑选的语音
• 32 种语言 - 基于多语言 v2 模型的语音合成
• 流式模式 - 生成时实时输出音频
• 音效生成 (SFX) - 根据文本提示生成 AI 音效
• 批量处理 - 一次性处理多个文本
• 成本追踪 - 监控字符用量与预估成本
• 语音设计 - 根据描述创建自定义音色
• 发音词典 - 自定义单词发音规则
• OpenClaw 集成 - 与 OpenClaw 内置 TTS 协同工作

🎙️ 可用音色

🎯 快速预设

• default → rachel (温暖、友好)
• narrator → adam (纪录片)
• professional → matilda (企业)
• storyteller → george (有声书)
• educator → alice (教程)
• calm → brian (冥想)
• energetic → liam (社交媒体)
• trustworthy → eric (商务)
• neutral → river (包容性)
• british → george
• australian → charlie
• broadcaster → daniel (新闻)

🌍 支持的语言 (32 种)

多语言 v2 模型支持以下语言：

# 用德语合成
python3 tts.py --text "Guten Tag!" --voice rachel --lang de

# 用法语合成
python3 tts.py --text "Bonjour le monde!" --voice adam --lang fr

# 列出所有语言
python3 tts.py --languages

💻 命令行使用

基础文本转语音

# 列出所有音色
python3 scripts/tts.py --list

# 生成语音
python3 scripts/tts.py --text "Hello world" --voice rachel --output hello.mp3

# 使用预设
python3 scripts/tts.py --text "Breaking news..." --voice broadcaster --output news.mp3

# 多语言
python3 scripts/tts.py --text "Bonjour!" --voice rachel --lang fr --output french.mp3

流式模式

实时流式生成音频（适用于长文本）：

# 生成时流式输出音频
python3 scripts/tts.py --text "This is a long story..." --voice adam --stream

# 流式输出并自定义输出文件
python3 scripts/tts.py --text "Chapter one..." --voice george --stream --output chapter1.mp3

批量处理

从文件处理多个文本：

# 从换行分隔的文本文件
python3 scripts/tts.py --batch texts.txt --voice rachel --output-dir ./audio

# 从 JSON 文件
python3 scripts/tts.py --batch batch.json --output-dir ./output

JSON 批量格式：

[
  {"text": "First line", "voice": "rachel", "output": "line1.mp3"},
  {"text": "Second line", "voice": "adam", "output": "line2.mp3"},
  {"text": "Third line"}
]

简单文本格式（每行一个）：

Hello, this is the first sentence.
This is the second sentence.
And this is the third.

用量统计

# 显示用量统计和成本估算
python3 scripts/tts.py --stats

# 重置统计
python3 scripts/tts.py --reset-stats

🎵 音效生成 (SFX)

根据文本描述生成 AI 驱动的音效：

# 生成音效
python3 scripts/sfx.py --prompt "Thunder rumbling in the distance"

# 指定时长 (0.5-22 秒)
python3 scripts/sfx.py --prompt "Cat meowing" --duration 3 --output cat.mp3

# 调整提示词影响力 (0.0-1.0)
python3 scripts/sfx.py --prompt "Footsteps on gravel" --influence 0.5

# 批量生成音效
python3 scripts/sfx.py --batch sounds.json --output-dir ./sfx

# 显示提示词示例
python3 scripts/sfx.py --examples

提示词示例：
- "远处雷声隆隆"
- "猫满足地呼噜"
- "机械键盘打字声"
- "宇宙飞船引擎嗡鸣"
- "咖啡馆背景闲聊声"

🎨 语音设计

根据文本描述创建自定义音色：

# 基础语音设计
python3 scripts/voice-design.py --gender female --age middle_aged --accent american \
  --description "温暖、慈母般的声音"

# 使用自定义预览文本
python3 scripts/voice-design.py --gender male --age young --accent british \
  --text "Welcome to the adventure!" --output preview.mp3

# 保存到您的 ElevenLabs 库
python3 scripts/voice-design.py --gender female --age young --accent american \
  --description "充满活力的播客主持人" --save "MyHost"

# 列出所有设计选项
python3 scripts/voice-design.py --options

语音设计选项：

📖 发音词典

自定义单词发音方式：

编辑 pronunciations.json：

{
  "rules": [
    {
      "word": "OpenClaw",
      "replacement": "Open Claw",
      "comment": "按两个单词发音"
    },
    {
      "word": "API",
      "replacement": "A P I",
      "comment": "拼读缩写"
    }
  ]
}

使用：

# 发音规则会自动应用
python3 scripts/tts.py --text "The OpenClaw API is great" --voice rachel

# 禁用发音规则
python3 scripts/tts.py --text "The API is great" --voice rachel --no-pronunciations

💰 成本追踪

本技能追踪您的字符用量并估算成本：

python3 scripts/tts.py --stats

输出示例：

📊 ElevenLabs 用量统计

  总字符数： 15,230
  总请求数： 42
  统计起始： 2024-01-15

💰 预估成本：
  Starter     $4.57 ($0.30/千字符)
  Creator     $3.66 ($0.24/千字符)
  Pro         $2.74 ($0.18/千字符)
  Scale       $1.68 ($0.11/千字符)

🤖 OpenClaw TTS 集成

与 OpenClaw 内置 TTS 配合使用

OpenClaw 内置的 TTS 支持可使用 ElevenLabs。在 ~/.openclaw/openclaw.json 中配置：

{
  "tts": {
    "enabled": true,
    "provider": "elevenlabs",
    "elevenlabs": {
      "apiKey": "your-api-key-here",
      "voice": "rachel",
      "model": "eleven_multilingual_v2"
    }
  }
}

在聊天中触发 TTS

在 OpenClaw 对话中：
- 使用 /tts on 启用自动 TTS
- 直接使用 tts 工具进行一次性语音合成
- 请求 "朗读这个" 或 "说出这个"

从 OpenClaw 使用技能脚本

# OpenClaw 可以直接运行这些脚本
exec python3 /path/to/skills/elevenlabs-voices/scripts/tts.py --text "Hello" --voice rachel

⚙️ 配置

脚本按以下顺序查找 API 密钥：

1. ELEVEN_API_KEY 或 ELEVENLABS_API_KEY 环境变量
2. OpenClaw 配置 (~/.openclaw/openclaw.json → tts.elevenlabs.apiKey)
3. 技能本地的 .env 文件

创建 .env 文件：

echo 'ELEVEN_API_KEY=your-key-here' > .env

🎛️ 语音设置

每个音色都经过调优以获得最佳输出：

📝 触发词

• "使用 {voice_name} 音色"
• "以 {persona} 身份说话"
• "列出音色"
• "语音设置"
• "生成音效"
• "设计一个音色"

📁 文件结构

elevenlabs-voices/
├── SKILL.md              # 本文档
├── README.md             # 快速入门指南
├── config.json           # 本地配置（由 setup 创建，在 .gitignore 中）
├── voices.json           # 音色定义与设置
├── pronunciations.json   # 自定义发音规则
├── examples.md           # 详细使用示例
├── scripts/
│   ├── setup.py          # 交互式设置向导
│   ├── tts.py            # 主 TTS 脚本
│   ├── sfx.py            # 音效生成器
│   └── voice-design.py   # 语音设计工具
└── references/
    └── voice-guide.md    # 音色选择指南

🔗 相关链接

• ElevenLabs
• API 文档
• 音色库
• 音效 API
• 语音设计 API

📋 更新日志

v2.1.0

• 新增交互式设置向导 (scripts/setup.py)
• 通过向导引导完成 API 密钥、音色、语言、质量和预算设置
• 配置本地存储在 config.json 中（已添加到 .gitignore）
• 专业、注重隐私的设置体验

v2.0.0

• 新增 32 种语言支持，支持 --lang 参数
• 新增流式模式，支持 --stream 标志
• 新增音效生成 (sfx.py)
• 新增批量处理，支持 --batch 标志
• 新增成本追踪，支持 --stats 标志
• 新增语音设计工具 (voice-design.py)
• 新增发音词典支持
• 新增 OpenClaw TTS 集成文档
• 改进了错误处理和进度输出