安裝 belt CLI 技能：
npx skills add belt-sh/cli
AI 語音生成
透過 inference.sh CLI 產生自然的人工智慧語音。
快速開始
需要 inference.sh CLI（
belt）。安裝說明
belt login
# 產生語音
belt app run infsh/kokoro-tts --input '{
"prompt": "你好！這是一個 AI 生成的語音，聽起來自然且充滿吸引力。",
"voice": "af_sarah"
}'
可用模型
| 模型 | 應用程式 ID | 最佳用途 |
|---|---|---|
| Inworld TTS-2 | inworld/text-to-speech-2 | 100+ 語言、情感與非語言引導、表達模式 |
| Inworld TTS 1.5 Max | inworld/text-to-speech-1-5-max | 低延遲 (<200ms)，15 種語言 |
| Inworld TTS 1.5 Mini | inworld/text-to-speech-1-5-mini | 超低延遲 (~120ms)，15 種語言，即時 |
| ElevenLabs TTS | elevenlabs/tts | 頂級品質，22+ 種音色，32 種語言 |
| ElevenLabs 變聲器 | elevenlabs/voice-changer | 轉換現有的語音錄音 |
| Kokoro TTS | infsh/kokoro-tts | 自然，多種音色 |
| DIA | infsh/dia-tts | 對話式，富有表現力 |
| Chatterbox | infsh/chatterbox | 休閒，娛樂 |
| Higgs | infsh/higgs-tts | 專業旁白 |
| VibeVoice | infsh/vibevoice | 情感範圍 |
Kokoro 音色庫
美式英語
| 音色 ID | 性別 | 風格 |
|---|---|---|
af_sarah | 女性 | 溫暖、友善 |
af_nicole | 女性 | 專業 |
af_sky | 女性 | 年輕活潑 |
am_michael | 男性 | 權威 |
am_adam | 男性 | 談話式 |
am_echo | 男性 | 清晰、中性 |
英式英語
| 音色 ID | 性別 | 風格 |
|---|---|---|
bf_emma | 女性 | 優雅 |
bf_isabella | 女性 | 溫暖 |
bm_george | 男性 | 經典 |
bm_lewis | 男性 | 現代 |
Inworld TTS — 角色與情感語音
Inworld TTS-2 專為角色語音、遊戲和富有表現力的語言而設計。在文字中使用 [括號] 來表達情感、非語言訊息和表達控制：
# 帶有情感引導的表現力角色語音
belt app run inworld/text-to-speech-2 --input '{
"text": "[興奮] 喔，你真的找到了古老的遺物！[倒抽一口氣] 我真不敢相信……[低語] 這件事我們得保密。",
"voice_id": "Sarah",
"delivery_mode": "CREATIVE"
}'
# 穩定表達的平靜旁白
belt app run inworld/text-to-speech-2 --input '{
"text": "太陽落在山巒之後，在山谷中投下長長的陰影。新的篇章即將展開。",
"voice_id": "Sarah",
"delivery_mode": "STABLE"
}'
表達模式： STABLE（一致、旁白）、BALANCED（自然、預設）、CREATIVE（富表現力、角色）
引導範例： [laugh]、[sigh]、[whisper]、[excited]、[sad]、[angry]、[pause]、[gasp]
內建音色（271+ 種，涵蓋 15 種語言）：Sarah、Alex、Ashley、Dennis、Hana、Blake、Luna、Clive 等。瀏覽所有音色請至 Inworld TTS Playground。
低延遲：適用於即時 / 對話式 AI
# 聊天機器人與遊戲 NPC 的超快速回應 (~120ms)
belt app run inworld/text-to-speech-1-5-mini --input '{
"text": "歡迎，旅人。是什麼風把你吹到我們村莊來的？",
"voice_id": "Clive",
"speaking_rate": 0.9
}'
語音生成範例
專業旁白
belt app run infsh/kokoro-tts --input '{
"prompt": "歡迎參加我們的季度財報電話會議。今天我們將討論上一季度的財務表現和策略計畫。",
"voice": "am_michael",
"speed": 1.0
}'
對話風格
belt app run infsh/dia-tts --input '{
"text": "嘿，我正在想我們討論過的那個專案。如果我們嘗試不同的方法會怎麼樣？",
"voice": "conversational"
}'
有聲書旁白
belt app run infsh/kokoro-tts --input '{
"prompt": "第一章。晨霧低垂在河谷上，莎拉沿著蜿蜒的小徑前行。她已經走了好幾個小時了。",
"voice": "bf_emma",
"speed": 0.9
}'
影片配音
belt app run infsh/kokoro-tts --input '{
"prompt": "隆重介紹下一代生產力工具。更聰明地工作，而非更辛苦。",
"voice": "af_nicole",
"speed": 1.1
}'
Podcast 主持人
belt app run infsh/kokoro-tts --input '{
"prompt": "歡迎回到科技閒聊！我是你們的主持人，今天我們將深入探討人工智慧的世界。",
"voice": "am_adam"
}'
多語音對話
# 產生兩位說話者之間的對話
# 說話者 1
belt app run infsh/kokoro-tts --input '{
"prompt": "你看過最新的 AI 發展了嗎？事情進展之快真是不可思議。",
"voice": "am_michael"
}' > speaker1.json
# 說話者 2
belt app run infsh/kokoro-tts --input '{
"prompt": "我知道，對吧？就在上週我試了那個新的圖片生成器，被嚇了一跳。",
"voice": "af_sarah"
}' > speaker2.json
# 合併對話
belt app run infsh/media-merger --input '{
"audio_files": ["<speaker1-url>", "<speaker2-url>"],
"crossfade_ms": 300
}'
長篇內容
分段處理
對於超過 5000 個字元的內容，請將其分割成區塊：
# 分段處理長文字
TEXT="你的長文字內容在此..."
# 分割並生成
# 區塊 1
belt app run infsh/kokoro-tts --input '{
"prompt": "<chunk-1>",
"voice": "bf_emma"
}' > chunk1.json
# 區塊 2
belt app run infsh/kokoro-tts --input '{
"prompt": "<chunk-2>",
"voice": "bf_emma"
}' > chunk2.json
# 合併區塊
belt app run infsh/media-merger --input '{
"audio_files": ["<chunk1-url>", "<chunk2-url>"],
"crossfade_ms": 100
}'
語音 + 影片工作流程
為影片添加旁白
# 1. 生成旁白
belt app run infsh/kokoro-tts --input '{
"prompt": "這段令人驚嘆的影片展現了自然最純粹的美。",
"voice": "am_michael"
}' > voiceover.json
# 2. 與影片合併
belt app run infsh/media-merger --input '{
"video_url": "https://your-video.mp4",
"audio_url": "<voiceover-url>"
}'
建立說話頭像
# 1. 生成語音
belt app run infsh/kokoro-tts --input '{
"prompt": "嗨，我很高興能與大家分享一些最新消息。",
"voice": "af_sarah"
}' > speech.json
# 2. 使用虛擬角色動畫
belt app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://portrait.jpg",
"audio_url": "<speech-url>"
}'
語速與節奏
| 速度 | 效果 | 用途 |
|---|---|---|
| 0.8 | 緩慢、從容 | 有聲書、冥想 |
| 0.9 | 稍慢 | 教育、教學 |
| 1.0 | 正常 | 一般用途 |
| 1.1 | 稍快 | 廣告、充滿活力 |
| 1.2 | 快速 | 快速公告 |
# 緩慢旁白
belt app run infsh/kokoro-tts --input '{
"prompt": "深呼吸。讓自己放鬆。",
"voice": "bf_emma",
"speed": 0.8
}'
標點符號控制節奏
使用標點符號控制語音節奏：
| 標點符號 | 效果 |
|---|---|
句號 . | 完整停頓 |
逗號 , | 短暫停頓 |
... | 延長停頓 |
! | 強調 |
? | 疑問語調 |
- | 快速斷句 |
belt app run infsh/kokoro-tts --input '{
"prompt": "等等……你聽到了嗎？有什麼東西來了。大傢伙！",
"voice": "am_adam"
}'
最佳實踐
- 語音與內容匹配 - 商業內容用專業語音，社群內容用休閒語音
- 善用標點 - 用句號和逗號控制節奏
- 保持句子簡短 - 更容易生成且聽起來更自然
- 嘗試不同語音 - 相同文字在不同語音下效果不同
- 調整語速 - 稍微慢一點通常聽起來更自然
- 分割長內容 - 為保持一致性，分段處理
使用案例
- 旁白 - 影片解說、廣告
- 有聲書 - 完整書籍朗讀
- Podcast - AI 主持人與來賓
- 數位學習 - 課程講解
- 無障礙 - 螢幕閱讀器內容
- IVR - 電話系統語音訊息
- 內容本地化 - 翻譯並配音
相關技能
# ElevenLabs TTS（頂級，22+ 種音色）
npx skills add inference-sh/skills@elevenlabs-tts
# ElevenLabs 變聲器（轉換錄音）
npx skills add inference-sh/skills@elevenlabs-voice-changer
# 所有 TTS 模型
npx skills add inference-sh/skills@text-to-speech
# Podcast 創作
npx skills add inference-sh/skills@ai-podcast-creation
# AI 虛擬角色
npx skills add inference-sh/skills@ai-avatar-video
# 影片生成
npx skills add inference-sh/skills@ai-video-generation
# 完整平台技能
npx skills add inference-sh/skills@infsh-cli
瀏覽音訊應用程式：belt app list --category audio