speakturbo-tts

speakturbo - 和你的 Claude 对话！

让你的 Agent 能够实时与你语音交流。超快文本转语音，延迟约 90ms，内置 8 种声音。

快速开始

# Play immediately - you should hear "Hello world" through your speakers
speakturbo "Hello world"
# Output: ⚡ 92ms → ▶ 93ms → ✓ 1245ms

# Verify it's working by saving to file
speakturbo "Hello world" -o test.wav
ls -lh test.wav  # Should show ~50-100KB file

输出说明：⚡ = 收到首段音频，▶ = 开始播放，✓ = 完成

首次运行

首次执行需要 2-5 秒，因为守护进程需要启动并将模型加载到内存中。之后的调用从首段声音输出开始只需约 90ms。

# First run (slow - daemon starting)
speakturbo "Starting up"  # ~2-5 seconds

# Second run (fast - daemon already running)
speakturbo "Now I'm fast"  # ~90ms

用法

# Basic - plays immediately (default voice: alba)
speakturbo "Hello world"

# Save to file (no audio playback)
speakturbo "Hello" -o output.wav

# Save to specific file
speakturbo "Goodbye" -o goodbye.wav

# Quiet mode (suppress status messages, still plays audio)
speakturbo "Hello" -q

# List available voices
speakturbo --list-voices

可用声音

声音	类型
alba	女性（默认）
marius	男性
javert	男性
jean	男性
fantine	女性
cosette	女性
eponine	女性
azelma	女性

性能

指标	数值
首段声音输出时间	约 90ms（守护进程已预热）
首次运行	2-5s（守护进程启动）
实时因子	速度约快 4 倍
采样率	24kHz 单声道

架构

speakturbo (Rust CLI, 2.2MB)
    │
    │ HTTP streaming (port 7125)
    ▼
speakturbo-daemon (Python + pocket-tts)
    │
    │ Model in memory, auto-shutdown after 1hr idle
    ▼
Audio playback (rodio)

文本输入

• **编码：**UTF-8
• **文本中的引号：**使用转义：speakturbo "She said \"hello\""
• **长文本：**支持，会在生成时进行流式输出

输出路径安全

-o 标志仅写入允许列表中的目录。默认情况下，包括：

• /tmp 和系统临时目录
• 当前工作目录
• ~/.speakturbo/

如果需要写入其他位置，请使用 --allow-dir：

speakturbo "Hello" -o /custom/path/audio.wav --allow-dir /custom/path

若要永久允许某个目录，请将其添加到 ~/.speakturbo/config：

mkdir -p ~/.speakturbo && echo "/custom/path" >> ~/.speakturbo/config

配置文件每行列出一个目录。以 # 开头的行是注释。

退出代码

代码	含义
0	成功（音频已播放／保存）
1	错误（守护进程连接失败、参数无效）

适用场景

以下情况请使用 speakturbo：

• 需要即时音频反馈（约 90ms）
• 速度比声音种类更重要
• 内置声音足够使用

以下情况请改用 speak：

• 需要自定义声音克隆（Morgan Freeman 等） → speak "text" --voice ~/.chatter/voices/morgan_freeman.wav
• 需要 [laugh]、[sigh] 等情绪标签
• 音质／声音种类比速度更重要

完整用法请参阅 speak 技能文档。

故障排除

没有音频播放：

# Check daemon is running
curl http://127.0.0.1:7125/health
# Expected: {"status":"ready","voices":["alba","marius",...]}

# Verify by saving to file and playing manually
speakturbo "test" -o /tmp/test.wav
afplay /tmp/test.wav  # macOS
aplay /tmp/test.wav   # Linux

守护进程无法启动：

# Check port availability
lsof -i :7125

# Manually kill and restart
pkill -f "daemon_streaming"
speakturbo "test"  # Auto-restarts daemon

首次运行速度较慢： 这是正常情况。守护进程需要将约 100MB 的模型加载到内存中。之后的调用会很快（约 90ms）。

守护进程管理

守护进程会在首次使用时自动启动，并且空闲 1 小时后自动关闭。

# Check status
curl http://127.0.0.1:7125/health

# Manual stop
pkill -f "daemon_streaming"

# View logs
cat /tmp/speakturbo.log

与 speak 的比较

功能	speakturbo	speak
首段声音输出时间	约 90ms	约 4-8s
声音克隆	❌	✅
情绪标签	❌	✅
声音	内置 8 种	自定义 wav 文件
引擎	pocket-tts	Chatterbox