doubao-tts

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

• 申请火山引擎凭证

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

• 创建配置文件

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

{ "应用id": "你的 应用ID", "访问_令牌": "你的 访问 令牌", "cluster": "你的 Cluster ID", "voice_type": "BV700_流ing", "emotion": "pleased" }

配置说明

字段 必填 说明 示例 应用id 是 火山引擎 应用ID 1234567890 访问_令牌 是 访问令牌 xxxxx cluster 是 集群 ID volcano_tts voice_type 否 默认音色 BV700_流ing emotion 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_流ing 22 种情感，最全能（默认） 擎苍 BV701_流ing 旁白模式，适合读文章 通用女声 BV001_流ing 日常对话 通用男声 BV002_流ing 基础男声 甜美小源 BV405_流ing 智能助手风格 知性女声 BV009_流ing 专业严肃 情感/风格 情感 值 说明 愉悦 pleased 默认，友好语气 开心 h应用y 欢快 悲伤 sad 低沉 客服 customer_服务 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 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 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 h应用y（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_流ing) 支持的情感有限，以上已做适配。

# 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 h应用y 朗读 "吴对不起，我弄错了" → 自动用 sorry

调节参数 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 朗读 --save ~/桌面/输出.mp3 "保存到这里"

核心逻辑

• 读取配置

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

应用id=$(cat "$config_file" | jq -r '.应用id') 访问_令牌=$(cat "$config_file" | jq -r '.访问_令牌') cluster=$(cat "$config_file" | jq -r '.cluster') voice_type=$(cat "$config_file" | jq -r '.voice_type // "BV700_流ing"') emotion=$(cat "$config_file" | jq -r '.emotion // "pleased"')

• 自动情感判断

# 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 "h应用y" 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")

• 构建请求

# 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 <

• 发送请求

API_url="https://openspeech.bytedance.com/API/v1/tts"

响应=$(curl -s -X POST "$API_url" \ -H "Authorization: Bearer;$访问_令牌" \ -H "Content-Type: 应用/json" \ -d "$json_payload")

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

• 处理响应

# 提取 base64 音频数据 audio_base64=$(echo "$响应" | 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 输出_file="${save_path:-/tmp/doubao_tts_$(date +%s).mp3}" echo "$audio_base64" | base64 -d > "$输出_file"

echo "✅ 语音生成成功：$输出_file"

• 播放音频

# Mac if command -v afplay &> /dev/null; then afplay "$输出_file" # Linux elif command -v paplay &> /dev/null; then paplay "$输出_file" # Windows elif command -v powershell &> /dev/null; then powershell -c "(New-Object Media.SoundPlayer '$输出_file').Play同步()" else echo "⚠️ 未找到播放器，音频已保存：$输出_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 Un授权d 令牌 过期或错误 重新获取 访问 令牌 403 Forbidden 应用ID 无权限 检查应用配置 400 Bad 请求 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