核心用法
tts-whatsapp 是一款将文字转换为语音并通过WhatsApp自动发送的自动化工具。核心工作流程为：输入文字 → Piper TTS生成音频 → FFmpeg转换为OGG/Opus格式 → 自动推送至指定WhatsApp个人或群组。
典型调用示例：
tts-whatsapp "Hello, this is a test" --target "+15555550123" tts-whatsapp "Hello everyone" --target "120363257357161211@g.us" # 群组 tts-whatsapp "Hola mundo" --lang es_ES --voice carlfm --target "+34..."
配置支持通过 ~/.clawdbot/clawdbot.json 设置默认值，避免每次重复输入目标号码、语言偏好等参数。
显著优点
- 本地化TTS引擎：基于Piper（Rhasspy项目），开源离线运行，无需依赖云端API，隐私性较好
- 格式兼容优化：自动处理WhatsApp原生OGG/Opus格式转换，用户无需手动转码
- 群组广播能力：支持向WhatsApp群组发送语音，拓展了TTS工具的应用场景
- 多语言覆盖：40+语言、多音色可选，适合跨国沟通与语言学习场景
- 响应速度快：官方标称10秒语音仅需约2.3秒完成全流程
潜在缺点与局限性
- 环境依赖较重：需独立安装Piper TTS、FFmpeg，并手动下载放置语音模型文件，门槛高于纯API方案
- 缺乏官方安全审计：仓库为Community维护，未声明代码签名或第三方安全审查
- WhatsApp集成风险：依赖Clawdbot实现消息发送，若Clawdbot底层使用非官方WhatsApp Web/MD协议，存在账号封禁风险
- 无内容审核机制：生成的语音内容未经过滤，若输入敏感文本可能直接发送，存在合规隐患
- 模型文件管理：语音模型体积较大（数十至数百MB），需手动维护版本与路径
适合人群
- 需要批量发送语音通知的运营/客服团队
- 多语言内容创作者与语言学习者
- 注重隐私、倾向本地TTS而非云端服务的用户
- 已部署Clawdbot生态的技术用户
常规风险
| 风险类型 | 说明 |
|---------|------|
| 账号安全 | WhatsApp自动化发送可能触发平台风控，导致临时或永久封号 |
| 内容安全 | TTS输出与原文本一致，无内置敏感词过滤，需自行前置校验 |
| 供应链风险 | Piper模型来自Hugging Face，需确认来源完整性 |
| 数据残留 | 声称自动清理文件，但建议验证临时文件是否真正删除 |