Audio Reply

核心用法

Audio Reply Skill 为 Claude Code 扩展了文本转语音（TTS）能力，通过两种主要模式工作：

1. 网页朗读模式：用户输入 "read it to me [URL]"，系统抓取网页内容、提取正文、生成语音并播放。

2. 对话生成模式：用户输入 "talk to me [topic]" 或类似触发词（"speak"/"say it"/"voice reply"），AI 生成自然口语化回复并转为语音。

技术实现上，该 Skill 调用 mlx-audio 的 TTS 模块，使用 chatterbox-turbo-fp16 模型（约500MB），通过 uv run 执行生成命令，支持 --play 自动播放和 --file_prefix 指定临时文件路径。

显著优点

• 离线本地运行：基于 Apple MLX 框架，完全本地推理，无需云端 API，隐私性极佳
• 触发灵活：多种自然语言指令均可激活，降低使用门槛
• 自动清理机制：强制要求播放后删除临时音频文件，避免磁盘堆积
• 语音自然度高：chatterbox-turbo 模型专为对话设计，支持语速调节（--speed）和表现力增强（--exaggeration）

潜在缺点与局限性

• 仅支持 macOS：MLX 为 Apple Silicon 专属框架，Intel Mac 或 Linux/Windows 无法运行
• 首次启动慢：模型需下载约500MB，冷启动有明显延迟
• 语言支持有限：文档明确指出"英文效果最佳，其他语言可能不稳定"
• 长文本需分段：建议单次不超过200词，长内容需手动切分
• 依赖 uv 工具链：要求预装 uv 并配置好 Python 环境

适合人群

• 需要长时间阅读网页内容但希望"听"而非"看"的用户
• 视觉疲劳或 accessibility 需求用户
• 偏好本地隐私计算、拒绝云端语音合成的用户
• 已配置好 Apple Silicon Mac + uv 环境的 Claude Code 深度用户

常规风险

• 临时文件残留风险：尽管文档强调删除，若进程异常中断可能导致 /tmp 目录堆积 wav 文件
• 音频播放干扰：--play 调用系统音频，在安静环境可能突兀出声
• 模型偏见传递：TTS 模型可能继承训练数据中的口音/性别偏见
• URL 内容风险：WebFetch 抓取任意 URL 可能引入恶意内容并被朗读，缺乏内容过滤机制
• 依赖单点故障：uv 或 mlx-audio 版本更新可能破坏兼容性

核心用法

Audio Reply 是 Anthropic 官方开发的文本转语音（TTS）技能，通过 Apple Silicon 优化的 MLX Audio 引擎实现本地语音合成，无需联网即可生成自然语音。

两种触发模式：

• "read it to me [URL]" — 抓取网页内容并朗读，自动提取正文、过滤广告导航
• "talk to me [主题]" — 生成对话式语音回复，支持闲聊、解释、讲故事等场景

技术实现上，该技能调用 mlx-community/chatterbox-turbo-fp16 模型（约500MB），通过 uv run 沙箱执行，首运行自动下载模型后本地缓存。音频生成后自动播放并清理临时文件（/tmp/audio_reply_*.wav）。

显著优点

• 本地优先：MLX Audio 基于 Apple MLX 框架，M系列芯片原生加速，延迟低、隐私好
• 语音自然：chatterbox-turbo 模型针对对话优化，支持语气调节（--exaggeration）和语速控制
• 零配置：纯 Markdown 技能，无代码依赖，Claude Code 原生支持
• 来源可信：Anthropic 官方维护，T1级可信度，无数据外泄风险

局限性与注意事项

• 平台限制：仅支持 macOS + Apple Silicon（依赖 MLX）
• 首载等待：首次使用需下载500MB模型，建议稳定网络环境
• 英文优先：中文等非英语语种支持有限
• 长度限制：建议单段不超过200词，长内容需分段处理

适合人群

• 需要护眼/离线场景下获取信息的用户
• 偏好语音交互或需多任务处理时"听"内容的场景
• 已配置 uv 环境且使用 M1/M2/M3 Mac 的 Claude Code 用户

常规风险

1. 外部工具依赖：需预装 uv 包管理器（Astral 官方出品，可信）
2. URL 内容风险："read it to me" 模式抓取用户指定网页，内容安全性由用户负责
3. 临时文件管理：虽已配置自动清理，但若进程中断可能残留 /tmp 音频文件

> ⚠️ 该技能不收集敏感数据，音频文件生成即播放、播放即删除，符合数据最小化原则。