---
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](../skill_wechat_send/SKILL.md) 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
```bash
# 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`