Audio Reply 技能评估
核心用法
Audio Reply 是一款文本转语音（TTS）技能，提供两种主要工作模式：
1. 网页朗读模式：通过 "read it to me [URL]" 触发，抓取公开网页内容并转换为语音播报
2. 对话生成模式：通过 "talk to me [topic]" 触发，生成自然对话风格的语音回复
该技能基于 Apple MLX 框架的 chatterbox-turbo-fp16 模型，通过 uv 包管理器运行，首载约 500MB。
显著优点
- 本地化执行：依托 MLX 在 Apple Silicon 本地运行，无需云端 API，隐私性较好
- 自然音质：chatterbox-turbo 模型以对话自然度见长，支持情感调节 (
--exaggeration) - 多场景触发：支持 "speak"、"say it"、"voice reply" 等多种口语化唤醒词
- 自动清理：强制要求删除临时音频文件，减少本地残留
潜在缺点与局限
- 平台限制：仅支持 macOS (darwin)，依赖 Apple Silicon 的 MLX 生态
- 语言偏向：官方提示非英语质量可能下降
- 内容长度：长文本 (>500 词) 需主动摘要，可能影响信息完整性
- 网络依赖：URL 抓取环节引入外部依赖，存在超时或反爬风险
适合人群
- 需要通勤、家务时"听"内容的 macOS 用户
- 偏好本地 AI、反感云端 TTS 隐私风险的用户
- 视力辅助需求者
常规风险
- URL 安全风险：虽配置多项安全护栏（私网 IP 拦截、凭证检测），但公开 URL 仍可能返回恶意内容
- 音频历史残留：提示中指出客户端聊天记录可能保留音频引用，敏感内容需谨慎
- 首载带宽：500MB 模型初次下载对网络环境有要求
安全建议
该技能的安全护栏设计较为周全，但 URL 抓取始终是攻击面。建议用户仅提供可信公开链接，避免输入含敏感参数的 URL。