Habilidad Edge-TTS
Resumen
Genera audio de texto a voz de alta calidad utilizando el servicio neural TTS de Microsoft Edge a través del paquete npm node-edge-tts. Soporta múltiples idiomas, voces, ajuste de velocidad/tono y generación de subtítulos.
Inicio rápido
Cuando detectes una intención TTS a partir de activadores o solicitudes del usuario:
- Llama a la herramienta
tts(integrada en Clawdbot) para convertir texto a voz - La herramienta devuelve una ruta
MEDIA: - Clawdbot envía el audio al canal actual
// Ejemplo: Uso de la herramienta tts integrada
tts("Tu texto a convertir en voz")
// Devuelve: MEDIA: /ruta/al/audio.mp3
Detección de activadores
Reconoce la palabra clave "tts" como solicitudes TTS. La habilidad filtra automáticamente las palabras clave relacionadas con TTS del texto antes de la conversión para evitar convertir las propias palabras activadoras en audio.
Personalización avanzada
Usando los scripts Node.js
Para más control, usa los scripts incluidos directamente:
Convertidor TTS
cd scripts
npm install
node tts-converter.js "Tu texto" --voice en-US-AriaNeural --rate +10% --output salida.mp3
Opciones:
--voice, -v: Nombre de la voz (por defecto: en-US-AriaNeural)--lang, -l: Código de idioma (ej., en-US, es-ES)--format, -o: Formato de salida (por defecto: audio-24khz-48kbitrate-mono-mp3)--pitch: Ajuste de tono (ej., +10%, -20%, default)--rate, -r: Ajuste de velocidad (ej., +10%, -20%, default)--volume: Ajuste de volumen (ej., +0%, -10%, default)--save-subtitles, -s: Guardar subtítulos como archivo JSON--output, -f: Ruta del archivo de salida (por defecto: tts_output.mp3)--proxy, -p: URL del proxy (ej., http://localhost:7890)--timeout: Tiempo de espera de la solicitud en milisegundos (por defecto: 10000)--list-voices, -L: Listar voces disponibles
Administrador de configuración
cd scripts
npm install
node config-manager.js --set-voice en-US-AriaNeural
node config-manager.js --set-rate +10%
node config-manager.js --get
node config-manager.js --reset
Selección de voz
Voces comunes (usa --list-voices para la lista completa):
Inglés:
en-US-MichelleNeural(femenina, natural, por defecto)en-US-AriaNeural(femenina, natural)en-US-GuyNeural(masculina, natural)en-GB-SoniaNeural(femenina, británica)en-GB-RyanNeural(masculina, británica)
Otros idiomas:
es-ES-ElviraNeural(español, España)fr-FR-DeniseNeural(francés)de-DE-KatjaNeural(alemán)ja-JP-NanamiNeural(japonés)zh-CN-XiaoxiaoNeural(chino)ar-SA-ZariyahNeural(árabe)
Guía de velocidad
Los valores de velocidad usan formato de porcentaje:
"default": Velocidad normal"-20%"a"-10%": Lenta y clara (tutoriales, cuentos, accesibilidad)"+10%"a"+20%": Ligeramente rápida (resúmenes)"+30%"a"+50%": Rápida (noticias, eficiencia)
Formatos de salida
Elige la calidad de audio según el caso de uso:
audio-24khz-48kbitrate-mono-mp3: Calidad estándar (notas de voz, mensajes)audio-24khz-96kbitrate-mono-mp3: Alta calidad (presentaciones, contenido)audio-48khz-96kbitrate-stereo-mp3: Máxima calidad (audio profesional, música)
Recursos
scripts/tts-converter.js
Script principal de conversión TTS usando node-edge-tts. Genera archivos de audio con voz, velocidad, volumen, tono y formato personalizables. Soporta generación de subtítulos y listado de voces.
scripts/config-manager.js
Gestiona preferencias persistentes del usuario para la configuración TTS (voz, idioma, formato, tono, velocidad, volumen). Almacena la configuración en ~/.tts-config.json.
scripts/package.json
Configuración del paquete NPM con dependencia node-edge-tts.
references/node_edge_tts_guide.md
Documentación completa del paquete npm node-edge-tts que incluye:
- Lista completa de voces por idioma
- Opciones de prosodia (velocidad, tono, volumen)
- Ejemplos de uso (CLI y Módulo)
- Generación de subtítulos
- Formatos de salida
- Mejores prácticas y limitaciones
Prueba de voces
Prueba diferentes voces y obtén una vista previa de la calidad de audio en: https://tts.travisvn.com/
Consulta esto cuando necesites detalles específicos de voz o funciones avanzadas.
Instalación
Para usar los scripts incluidos:
cd /home/user/clawd/skills/public/tts-skill/scripts
npm install
Esto instala:
node-edge-tts- Biblioteca TTScommander- Análisis de argumentos CLI
Flujo de trabajo
- Detectar intención: Busca el activador "tts" o palabra clave en el mensaje del usuario
- Elegir método: Usa la herramienta integrada
ttspara solicitudes simples, oscripts/tts-converter.jspara personalización - Generar audio: Convierte el texto objetivo (mensaje, resultados de búsqueda, resumen)
- Devolver al usuario: La herramienta
ttsdevuelve una rutaMEDIA:; Clawdbot gestiona la entrega
Pruebas
Prueba básica
Ejecuta el script de prueba para verificar la funcionalidad TTS:
cd /home/user/clawd/skills/public/edge-tts/scripts
npm test
Esto genera un archivo de audio de prueba y verifica que el servicio TTS funcione.
Prueba de voces
Prueba diferentes voces y obtén una vista previa de la calidad de audio en: https://tts.travisvn.com/
Prueba de integración
Usa la herramienta integrada tts para pruebas rápidas:
// Ejemplo: Probar TTS con configuración predeterminada
tts("Esta es una prueba de la funcionalidad TTS.")
Prueba de configuración
Verifica la persistencia de la configuración:
cd /home/user/clawd/skills/public/edge-tts/scripts
node config-manager.js --get
node config-manager.js --set-voice en-US-GuyNeural
node config-manager.js --get
Solución de problemas
- Probar conectividad: Ejecuta
npm testpara verificar si el servicio TTS es accesible - Verificar disponibilidad de voz: Usa
node tts-converter.js --list-voicespara ver las voces disponibles - Verificar configuración del proxy: Si usas proxy, prueba con
node tts-converter.js "test" --proxy http://localhost:7890 - Verificar salida de audio: La prueba debe generar
test-output.mp3en el directorio de scripts
Notas
- node-edge-tts usa el servicio TTS en línea de Microsoft Edge (autenticación actualizada y funcional)
- No se necesita clave API (servicio gratuito)
- La salida está en formato MP3 de forma predeterminada
- Requiere conexión a internet
- Soporta generación de subtítulos (formato JSON con sincronización a nivel de palabra)
- Manejo de archivos temporales: De forma predeterminada, los archivos de audio se guardan en el directorio temporal del sistema (
/tmp/edge-tts-temp/en Unix,C:\Users\<usuario>\AppData\Local\Temp\edge-tts-temp\en Windows) con nombres de archivo únicos (ej.,tts_1234567890_abc123.mp3). Los archivos no se eliminan automáticamente; la aplicación llamante (Clawdbot) debe encargarse de la limpieza después de su uso. Puedes especificar una ruta de salida personalizada con la opción--outputsi se necesita almacenamiento permanente. - Filtrado de palabra clave TTS: La habilidad filtra automáticamente las palabras clave relacionadas con TTS (tts, TTS, text-to-speech) del texto antes de la conversión para evitar convertir las palabras activadoras en audio
- Para preferencias repetidas, usa
config-manager.jspara establecer valores predeterminados - Voz predeterminada:
en-US-MichelleNeural(femenina, natural) - Las voces neuronales (que terminan en
Neural) proporcionan mayor calidad que las voces estándar