MOSS-TTS 语音合成

⚠️ 注意：本工具负责生成音频文件，发送到各渠道需要配合其他工具（如 OpenClaw message 工具）

快速开始（3 步）

1. 获取 API Key

访问 https://studio.mosi.cn → 注册/登录 → 控制台 → API 密钥 → 创建

export MOSS_API_KEY="sk-你的密钥"

2. 安装依赖

# 系统依赖
brew install python3 ffmpeg

# Python 依赖
pip3 install requests

3. 生成语音

python3 scripts/tts.py \
  --text "你好，我是MOSS" \
  --channel feishu \
  --json

输出：

{
  "success": true,
  "file": "/tmp/openclaw/moss-tts/voice-xxx.ogg",
  "format": "ogg"
}

⚠️ 隐私与安全

API Key 安全

不要提交到 Git：将 MOSS_API_KEY 添加到 .gitignore
使用环境变量：不要在代码中硬编码密钥
定期轮换：建议定期更换 API Key

语音数据上传

克隆音色：上传的音频会存储在 MOSS Studio 服务器
实时克隆：每次请求都会上传音频数据到 MOSS API
数据保留：参考 MOSS Studio 隐私政策

建议：

使用公开/非敏感音频进行克隆
避免上传包含敏感信息的录音
定期清理 MOSS Studio 中不需要的音色

功能说明

本工具提供以下功能：

文本转语音 - 将文本转换为自然语音
实时克隆 - 从音频即时克隆声音
预注册音色 - 上传并保存音色供后续使用
格式转换 - 自动转换为适合各渠道的格式

不包含：

直接发送到 IM 渠道（需要配合其他工具）
音色管理（删除、修改等）

使用模式

模式一：实时克隆

python3 scripts/tts.py \
  --text "要说的内容" \
  --reference_audio "参考音频.ogg" \
  --channel feishu

模式二：预注册音色（推荐）

# 1. 上传并克隆
curl -X POST https://studio.mosi.cn/api/v1/files/upload \
  -H "Authorization: Bearer $MOSS_API_KEY" \
  -F "file=@voice.ogg"
# → {"file_id": "YOUR_FILE_ID"}

curl -X POST https://studio.mosi.cn/api/v1/voice/clone \
  -H "Authorization: Bearer $MOSS_API_KEY" \
  -d '{"file_id": "YOUR_FILE_ID", "name": "我的声音"}'
# → {"voice_id": "YOUR_VOICE_ID"}

# 2. 使用（等待 10 秒后）
python3 scripts/tts.py \
  --text "你好" \
  --voice_id "YOUR_VOICE_ID" \
  --channel feishu

输出格式

| 渠道 | 格式 | 说明 | |------|------|------| | feishu | ogg (opus) | 飞书语音消息格式 | | telegram | ogg (opus) | Telegram 语音消息格式 | | whatsapp | ogg (opus) | WhatsApp 语音消息格式 | | discord | mp3 | Discord 文件格式 | | signal | mp3 | Signal 文件格式 | | slack | mp3 | Slack 文件格式 |

参数说明

| 参数 | 说明 | 必填 | |------|------|------| | --text | 待合成文本 | ✅ | | --reference_audio | 参考音频（实时克隆） | 二选一 | | --voice_id | 预注册音色 ID | 二选一 | | --channel | 目标渠道 | ❌ | | --format | 输出格式 | ❌ | | --output | 输出路径 | ❌ | | --json | JSON 输出 | ❌ |

音频要求

格式: ogg, mp3, wav, m4a
时长: 10-30 秒（推荐 20 秒以上）
音质: 清晰人声，无背景噪音
大小: < 10MB

常见问题

Q: 如何发送生成的语音？

本工具只生成音频文件。发送需要：

使用返回的文件路径
配合 OpenClaw message 工具或其他方式发送

Q: 飞书发送后是文件而不是语音？

确保音频格式正确：

file voice.ogg
# 应显示: Ogg data, Opus audio

Q: 克隆效果不好？

时长 20 秒以上
清晰人声，无噪音
正常语速

API 端点

| 用途 | 端点 | |------|------| | 文本转语音 | POST /v1/audio/tts | | 上传文件 | POST /api/v1/files/upload | | 克隆音色 | POST /api/v1/voice/clone | | 查询音色 | GET /api/v1/voices |

详细文档

版本: 1.2.0 | 更新: 2026-03-10