SKILL.md 4.39 KB

Edit Raw Blame History



name: voice-synth-send
description: 文本转语音并作为微信语音消息发送（edge-tts 云合成/豆包可选 → SILK → 微信内部 uploadvoice cgi）。全程在 Pixel 手机 Termux 内运行，无需本地 TTS 模型。
version: 1.0
category: communication
声音合成 + 微信语音发送
把一段文本合成为语音，作为微信语音消息发给指定联系人。全程在手机 Termux 内跑
（Hermes 所在环境），无需 Mac、无需本地 TTS 模型。
文本 → TTS（edge-tts 免费云 / 豆包可选）→ MP3
     → ffmpeg 16k mono PCM → silk-wasm SILK V3（腾讯 \x02#!SILK_V3 变种）
     → stage 进微信数据目录 → am broadcast SEND_VOICE_CGI（内部 uploadvoice cgi）


接收方收到可播放的语音条，发送方本地也显示已发送气泡。依赖上游 skill
wechat-internal-send 的 SEND_VOICE_CGI 链路。
When to Use

用户要「发一条语音」「用语音念给某人」「语音播报」
Agent 主动语音通知 / 播报

关键澄清：edge-tts 不是本地模型
edge-tts 是微软 Edge 的免费云 TTS（Python 库，把文本发到微软服务器合成、流式取回），
不需要本地模型、不需要 API key、不占 GPU，只需要联网。所以「手机上没本地 TTS 模型」
不是问题。Hermes 作为 Termux app 有正常网络（它本来就在调 Kimi API），edge-tts 直接可用。
前置（本机 Termux 已具备，2026-07-07 核实）

python3 + edge-tts 7.2.8、ffmpeg、node + silk-wasm
（/data/data/com.termux/files/usr/lib/node_modules/silk-wasm）
root（su）——用于把 SILK 放进微信数据目录 + 发广播
wechathook LSPosed 模块已装、微信在跑（SEND_VOICE_CGI 由它处理）

用法
# 在 Termux 内（Hermes 环境）直接跑：
bash voice_synth.sh <wxid> "<要说的话>" [voice] [engine]

# 例：edge-tts 男声发给文件传输助手（先用 filehelper 测试）
bash voice_synth.sh filehelper "你好，这是一条语音测试。"

# 指定音色（女声）
bash voice_synth.sh yibooo "下午三点开会，记得带材料。" zh-CN-XiaoxiaoNeural

# 豆包引擎（需额度 + 环境变量 DOUBAO_KEY，可发带音乐/音效/多角色的场景音频）
DOUBAO_KEY=xxxx bash voice_synth.sh yibooo "<豆包 seed-audio 场景 prompt>" "" doubao


<wxid>：rcontact.username（filehelper / wxid_xxx / yibooo=火星人）。先用 filehelper 测。
[voice]：edge-tts 音色，默认 zh-CN-YunxiNeural（男声）；女声 zh-CN-XiaoxiaoNeural。
[engine]：edge（默认，免费无额度）| doubao（seed-audio-1.0，需 DOUBAO_KEY + 账号额度）。

引擎对比


引擎
成本
特点


edge-tts（默认）
免费，无额度
单人 TTS，多语言多音色，联网即用；日常播报首选


豆包 seed-audio-1.0
按字数计费（火山账号额度）
可生成整段带背景音乐/音效/多角色的场景音频；额度用完报 45000030 not granted


⚠️ 额度/授权：豆包报 code 45000030 [resource_id=volc.service_type.10074] requested resource not granted
= 账号未开通「音频生成/SeedAudio」或字数额度用完。控制台开通/充值后同 key 即可用。

真机验证（2026-07-07）

edge-tts（6.9s）+ 豆包 seed-audio（8.2s）均端到端发火星人（yibooo）成功，多分块（6000 字节/片）
上传完整、可播放；发送方本地显示已发送。SILK 头 \x02#!SILK_V3 与微信自录字节级一致。

坑

edge-tts 要联网：Hermes 原生跑没问题；但 adb→su→termux 起的进程拿不到 per-UID DNS
（http=000），别用那种方式测网络部分——在 Termux 里直接跑或让 Hermes 调。
SILK 必须 WeChat 进程可读：脚本已 stage 进 /data/data/com.tencent.mm/files/ +
chown 微信 uid + restorecon；/sdcard 会 EACCES。
TMPDIR：脚本强制 $PREFIX/tmp（root/adb 环境会把 TMPDIR 顶成不可写的 /data/local/tmp）。
不要自己实现 SILK 编码：用 silk-wasm（腾讯变种），pysilk 等未必字节兼容。

相关

voice_synth.sh — 本 skill 脚本
../skill_wechat_send/SKILL.md — 底层 SEND_VOICE_CGI 发送链
../WECHAT_SEND_API.md §2 — 语音全合成逆向（uploadvoice cgi + 派发）
memory wechat-voice-send-internals.md