elevenlabs-tts

ElevenLabs TTS

将此技能用于 ElevenLabs 文本转语音生成。保持技能可复用且不包含个人信息：

• 不要在技能中存储 API 密钥、语音名称、语音 ID、电子邮件、账户名称、客户名称或个人默认设置。
• 从进程环境或最近的 .env 中读取 ELEVENLABS_API_KEY。
• 从此技能之外的本地 JSON 配置中读取账户专属的语音配置。
• 使用请求级设置生成音频。除非用户明确要求，否则不要修改已保存的 ElevenLabs 账户或语音设置。

何时使用此技能

• 使用本地语音配置，根据脚本文件或内联文本生成 ElevenLabs 文本转语音音频。
• 用户提到 ElevenLabs、TTS、旁白、配音、语音音频或语音生成。
• 需要从本地配置中通过 voice_id、voice_id_env 或 voice_name 确定语音，或列出匹配的 ElevenLabs 语音。
• 需要使用配置、--dry-run 或一次性覆盖参数（--voice-id、--model-id、--output-format、--settings-json）运行捆绑的 scripts/generate_voice.py 辅助脚本。
• 需要直接调用当前的 ElevenLabs 语音搜索或语音生成端点。
• 不适用于在技能中存储 API 密钥、语音名称、语音 ID、电子邮件或个人默认设置，也不适用于修改已保存的 ElevenLabs 账户或语音设置——这些内容应保留在此技能之外的本地、已加入 Git 忽略规则的配置中。

本地配置

按以下优先顺序使用其中一个配置来源：

1. --config /path/to/profiles.json
2. ELEVENLABS_TTS_CONFIG=/path/to/profiles.json
3. local/elevenlabs/profiles.json

项目本地的配置文件也可以使用，前提是它们已加入 Git 忽略规则，例如 config/local/elevenlabs-tts.json。

辅助脚本要求使用以下结构：

{
  "default_profile": "default",
  "profiles": {
    "default": {
      "voice_name": "Voice name from the local account",
      "voice_id": "optional-direct-voice-id",
      "voice_id_env": "OPTIONAL_ENV_VAR_WITH_VOICE_ID",
      "model_id": "eleven_multilingual_v2",
      "output_format": "mp3_44100_128",
      "voice_settings": {
        "stability": 0.5,
        "similarity_boost": 1.0,
        "style": 0.0,
        "speed": 1.0,
        "use_speaker_boost": true
      },
      "output_dir": "outputs/voiceovers",
      "emails": []
    }
  }
}

emails、所有者、别名和备注等字段仅用于本地路由或上下文。脚本会忽略未知的元数据字段。

工作流

1. 从 --profile、ELEVENLABS_TTS_PROFILE 或 default_profile 中选择配置。
2. 优先使用辅助脚本： python3 <skill-root>/scripts/generate_voice.py --text-file script.txt --profile default --output output.mp3
3. 如果配置中包含 voice_id，则使用它。如果包含 voice_id_env，则读取对应的环境变量。否则通过 voice_name 在 ElevenLabs 中搜索。
4. 除非用户针对本次生成指定覆盖值，否则使用配置中的 model_id、output_format 和 voice_settings。
5. 将生成的音频放到用户指定的位置。如果用户未指定目标位置，则使用配置中的 output_dir，再否则使用 outputs/voiceovers/。
6. 报告输出路径和任何重要警告。不要打印机密信息。

辅助脚本

捆绑的脚本支持：

• 使用 --text "..." 指定内联文本
• 使用 --text-file path.txt 指定脚本文件
• 如果未提供 --text 或 --text-file，则从标准输入读取
• 使用 --profile name 选择本地配置
• 使用 --config path.json 选择本地配置文件
• 使用 --voice-id、--voice-name、--model-id、--output-format 和 --settings-json 指定一次性覆盖值
• 使用 --output path.mp3 选择输出文件
• 使用 --dry-run 打印解析后的请求负载，而不调用文本转语音端点
• 使用 --list-voices 列出匹配的 ElevenLabs 语音，而不生成音频

API 说明

使用当前的 ElevenLabs 端点：

• 语音搜索：GET https://api.elevenlabs.io/v2/voices
• 语音生成：POST https://api.elevenlabs.io/v1/text-to-speech/:voice_id?output_format=...

将 API 密钥作为 xi-api-key 发送。

参考资料

• 上游技能源代码：https://github.com/MengTo/Skills/tree/main/agent-skills/codex/elevenlabs-tts
• scripts/generate_voice.py — 用于通过 ElevenLabs API 生成音频的辅助脚本