mcpField
B
byted-text-to-speech

byted-text-to-speech

github.com/bytedanceCreative & media477184 installsUpdated today
Repository

About byted-text-to-speech

byted-text-to-speech is a skill that uses Volcengine Doubao speech synthesis to turn text into saved audio files. It is intended for tasks such as narration, read-aloud audio, and multilingual speech, with adjustable synthesis settings.

Key features

  1. 01Convert text into audio files
  2. 02Generate Chinese and English speech
  3. 03Adjust voice, speech rate, and pitch
  4. 04Support MP3, PCM, and OGG Opus
  5. 05Filter Markdown and read LaTeX

Use cases

  1. 01Turn documents or articles into listenable audio
  2. 02Create narration or announcements
  3. 03Produce audiobook excerpts

Install

Copy the command and run it in a terminal.

$npx skills add https://github.com/bytedance/agentkit-samples --skill byted-text-to-speech

After installing, type/byted-text-to-speechin Claude Code to confirm it loaded.

Bundled files

References and scripts installed along with SKILL.md.

LICENSE
requirements.txt
references/
docs-index.md
setup-guide.md
scripts/
api_key.py
text_to_speech.py

Details

From the project README

Byted-Text-to-Speech Skill

基于火山引擎豆包语音合成（HTTP Chunked/SSE 单向流式-V3）将文本转为语音并保存为音频文件。

何时使用

当用户有以下需求时，优先使用本 skill：

  • 需要把一段文字转成语音、朗读音频
  • 需要生成配音、旁白、播报、有声读物片段
  • 需要将代码注释、文档、文章等内容转为音频便于收听
  • 需要生成多语言语音（中文、英文等）
  • 用户提到「文字转语音」「TTS」「语音合成」「朗读」「配音」「念出来」「读给我听」
  • 用户没有明确说"语音合成"，但任务本质上需要将文本内容转为可播放的音频时

使用前检查

优先检查是否已配置以下凭证：

  • MODEL_SPEECH_API_KEY

如果缺少凭证，打开 references/setup-guide.md 查看开通、申请和配置方式，并给予用户开通建议

脚本参数

参数简写必填说明
--text-t是要合成的文本内容
--output-o否输出音频文件路径（默认自动生成）
--speaker-s否发音人，默认 zh_female_vv_uranus_bigtts，音色列表
--format否音频格式：mp3（默认）、pcm、ogg_opus
--sample-rate否采样率，如 16000、24000（默认 24000）
--speech-rate否语速 [-50, 100]，100 代表 2.0 倍速，-50 代表 0.5 倍速，默认 0
--pitch-rate否音调 [-12, 12]，默认 0
--loudness-rate否音量 [-50, 100]，100 代表 2.0 倍音量，-50 代表 0.5 倍音量，默认 0
--bit-rate否比特率，对 mp3 和 ogg_opus 格式生效（如 64000、128000），默认 64000
--filter-markdown否过滤 markdown 语法（如 **你好** 读为"你好"），默认关闭
--enable-latex否启用 LaTeX 公式播报（使用 latex_parser v2，自动开启 markdown 过滤），默认关闭

返回值说明

脚本输出 JSON，包含：

  • status: "success" 或 "error"
  • local_path: 本地音频文件路径
  • format: 音频格式
  • error: 失败时的错误信息

请将 local_path 或可访问的音频 URL 返回给用户，便于播放或下载。

错误处理

  • 若报错 PermissionError: MODEL_SPEECH_API_KEY ... 需在环境变量中配置：提示用户在 API Key 管理 获取并配置 MODEL_SPEECH_API_KEY，写入 workspace 下的环境变量文件后重试。
  • 若返回 4xx/5xx 或业务错误码：根据错误信息提示用户检查文本内容、发音人 ID 及账号是否已开通豆包语音服务。

故障排查

  • 缺少凭证：打开 references/setup-guide.md
  • 需要查 API 参数、字段、错误码：打开 references/docs-index.md
  • 如果脚本返回权限错误，优先检查服务是否已开通、凭证是否有效，给予用户明确的操作指引

参考资料

按需打开以下文件，不必默认全部加载：

  • references/setup-guide.md：服务开通、凭证申请、环境变量配置
  • references/docs-index.md：API 文档索引、参数说明、音色列表、错误码速查

示例

# 基本用法
python scripts/text_to_speech.py -t "欢迎使用火山引擎语音合成服务。"

# 指定发音人与输出格式
python scripts/text_to_speech.py -t "这是一段测试语音。" -s zh_female_vv_uranus_bigtts -o output.mp3 --format mp3

# 指定语速与采样率
python scripts/text_to_speech.py -t "语速和音调可调。" --speech-rate 10 --sample-rate 16000

Comments

Markdown supported