MOSS Voice Generator 指令式音色生成
📖 技能介紹
name: moss-voice-generator homepage: https://studio.mosi.cn metadata: openclaw: requires: env: ["MOSI_TTS_API_KEY"] primaryEnv: "MOSI_TTS_API_KEY" description: > MOSI Studio 指令式音色生成（moss-voice-generator）： 用自然語言描述想要的音色風格，無需指定預設 voice_id， 模型根據描述即時生成對應的聲音。 觸發詞：指令式語音、按描述生成聲音、自定義音色、描述一個聲音、 "voice generator"、"generate voice"、"按風格生成"、 "播音腔"、"用xxx風格的聲音說"、"生成一個xx風格的語音"。 與普通 TTS 的區別：不需要挑選 voice_id，用文字描述就能生成想要的音色。 在飛書渠道：生成完成後優先發送語音氣泡，不要發文件附件， 不要只回文字說"已生成"。具體傳送方法參見 mosi-tts skill 第 5 節。
MOSS Voice Generator 指令式音色生成
不需要挑選預設音色，直接用文字描述想要的聲音風格，模型會按描述即時合成。
快速開始
指令碼路徑：~/.openclaw/skills/moss-voice-generator/scripts/mosi_voice_generator.sh
bash ~/.openclaw/skills/moss-voice-generator/scripts/mosi_voice_generator.sh \
--text "各位觀眾朋友們大家好，歡迎收看今天的節目。" \
--instruction "播音腔女聲，專業、清晰、有親和力" \
--output ~/.openclaw/workspace/output.wav
instruction 風格描述示例
--instruction 是核心引數，用中文或英文自由描述：
| 效果 | instruction 示例 |
|---|---|
| 專業播音 | 播音腔女聲，專業、清晰、有親和力 |
| 溫柔知性 | 溫柔知性的女聲，語速緩慢，像在講故事 |
| 活力男聲 | 年輕有活力的男聲，熱情開朗，像綜藝主持人 |
| 低沉磁性 | 沉穩有力的男聲，低沉磁性，像紀錄片旁白 |
| 甜美可愛 | 甜美可愛的女聲，活潑輕快，像動漫配音 |
| 老人聲音 | 年邁的老爺爺聲音，略帶沙啞，語速較慢 |
| 英文主持 | professional female news anchor voice, clear and authoritative |
描述越具體，效果越接近預期；可以包含性別、年齡、情緒、場景等維度。
與普通 TTS 的區別
| moss-tts（普通 TTS） | moss-voice-generator | |
|---|---|---|
| 音色來源 | 從預設列表挑 voice_id | 用文字描述即時生成 |
| 穩定性 | 高（同一 voice_id 結果一致） | 中（每次略有差異） |
| 靈活性 | 受限於預設音色 | 幾乎無限制 |
| 適合場景 | 需要穩定一致的品牌聲音 | 一次性生成、探索新音色 |
完整引數說明
--text, -t 要合成的文字（必填）
--instruction, -i 音色風格描述（必填）
--output, -o 輸出 WAV 路徑
（預設: ~/.openclaw/workspace/voice_gen_output.wav）
--temperature 取樣溫度，控制隨機性（預設: 1.5）
--top-p 核取樣閾值（預設: 0.6）
--top-k Top-K 取樣（預設: 50）
--api-key, -k 覆蓋 MOSI_TTS_API_KEY 環境變數
調節 --temperature：值越高越隨機，值越低越保守穩定。
一般保持預設即可，如果覺得音色太隨意可以調低至 1.0。
環境準備
API Key 配置同 mosi-tts skill，讀取 MOSI_TTS_API_KEY 環境變數。
詳見 mosi-tts skill 的"環境準備"章節。
依賴：curl、jq、base64（均為標準 Unix 工具，通常已預裝）
小蔥技能7w4.net持續更新中。
常見問題
Q：生成的音色每次都一樣嗎？
不一定。同樣的 instruction 每次生成會有輕微差異（由 temperature 控制）。
如果需要完全穩定的音色，建議先用此工具探索滿意的風格，
再通過聲音克隆（mosi-tts skill 的 Voice Clone 功能）固化為 voice_id。
Q：可以克隆某人的聲音嗎？
本工具是根據文字描述生成全新音色，不是克隆真實人聲。
克隆真實人聲請使用 mosi-tts skill 的 Voice Clone 功能。
Q：輸出是什麼格式？
WAV（24kHz）。在飛書渠道必須轉成語音氣泡傳送，
參考 mosi-tts skill 第 5 節（飛書語音氣泡）的 mosi_feishu_voice.sh 指令碼：
bash ~/.openclaw/skills/mosi-tts/scripts/mosi_feishu_voice.sh \
--wav ~/.openclaw/workspace/voice_gen_output.wav \
--chat-id "oc_xxxxxxxxxxxxxxxx"
🤖 AI 評測
這個 Skill 整體質量不錯，文件通俗易懂，指令碼簡單易用，通過文字描述就能生成想要的音色很有創意。優點是示例豐富、引數說明清楚、錯誤提示明確。不足之處是依賴另一個 TTS 工具的配置說明，新手可能需要來回檢視多個文件；某些高階引數的含義對普通使用者來說仍有一定理解門檻。總體來說是個實用且有特色的語音生成工具，但配置環節略顯繁瑣。
