Kokoro TTS

核心用法

Kokoro TTS 是一款开源本地文本转语音（TTS）技能，通过调用本地或远程 API 服务将文本转换为高质量 AI 语音。用户需配置 KOKORO_API_URL 环境变量指向服务端点，默认监听 localhost:8880。使用时通过 Node.js 脚本传入文本内容，可选指定音色（如 af_heart 温暖女声、am_adam 低沉男声）与语速（0.25-4.0 倍速），脚本输出 MEDIA: 前缀的 MP3 文件路径，由 OpenClaw 自动捕获并发送为音频消息。

显著优点

• 本地部署优先：数据不出本机，满足隐私合规与离线场景需求
• 轻量高效：Node.js 脚本调用简洁，响应延迟极低
• 音色丰富：内置英/美式男女声及专业风格选项，支持语速精细调节
• 零成本：开源方案，无需按量付费或订阅

潜在局限

• 部署门槛：需自行维护 TTS 后端服务，非开箱即用
• 语言限制：官方预设以英语音色为主，中文/多语言支持依赖社区扩展
• 资源占用：本地模型运行消耗 GPU/CPU 算力，低配置设备可能卡顿
• 无云端 fallback：服务端不可用时完全失效

适合人群

注重数据隐私的开发者、需离线 TTS 能力的自动化工作流用户、对延迟敏感的生产环境。

常规风险

环境变量配置错误导致连接失败；未经验证的第三方 Kokoro 服务端可能存在中间人攻击；生成内容若涉及敏感信息需确认本地存储安全策略。

核心用法

Kokoro TTS 是一个用于将文本转换为语音的本地 AI 工具，通过调用本地部署的 Kokoro TTS 服务实现离线语音合成。用户可通过命令行脚本 tts.js 快速生成语音文件，支持自定义音色（voice）、语速（speed）等参数，输出为标准 MP3 格式。

基本调用方式：

node skills/kokoro-tts/scripts/tts.js "要转换的文本" [音色ID] [语速]

系统默认使用 af_heart 音色（温暖女声），并提供多种预设音色如专业女声 af_nova、低沉男声 am_adam、英式女声 bf_alice 等。生成的音频文件路径以 MEDIA: 前缀输出，可被 OpenClaw 等平台自动识别为音频附件。

显著优点

1. 完全本地运行：数据不离开本机，无需联网即可使用，隐私保护极佳
2. 零第三方依赖：仅使用 Node.js 内置模块，无供应链攻击风险
3. 开源模型底座：基于 Kokoro（282M 参数）TTS 模型，音质接近商业级
4. 多音色支持：提供十余种中英文音色，覆盖不同场景需求
5. 灵活配置：支持通过环境变量 KOKORO_API_URL 自定义服务端点，便于远程部署

潜在缺点与局限性

• 需自行部署后端：本 Skill 仅为客户端，需用户预先在本地或服务器安装 Kokoro TTS 服务（默认端口 8880）
• 无内置语音预览：无法提前试听音色效果，需实际生成后确认
• 音频格式单一：仅输出 MP3，不支持 WAV、OGG 等其他格式
• 长文本处理：未明确支持超长文本自动分句或批量处理

适合人群

• 对数据隐私高度敏感的用户（律师、医生、研究人员）
• 需要离线语音合成的开发者与内容创作者
• 希望在本地环境构建 AI 语音工作流的技术用户
• 企业内网环境下的语音播报系统建设者

常规风险

• 本地 HTTP 通信：默认使用未加密的 HTTP 协议连接 localhost，虽数据不出本机，但在多用户服务器环境或远程部署时建议改用 HTTPS
• 输入未限长：未对输入文本长度做强制限制，极端情况下可能导致过大请求
• T3 来源等级：由个人开发者维护，无企业背书，长期维护稳定性需关注社区动态