sam-tts

核心用法

SAM TTS 是一款将1982年经典 Commodore 64 语音合成引擎带入现代 Agent 环境的技能。用户可通过 /sam <文本>> 命令生成单次语音消息，或使用 /sam on 开启全局模式，让所有回复自动转换为标志性的机器人语音。技能支持 pitch（音高）、speed（语速）、mouth（口腔共鸣）、throat（喉音质感）四个维度的声线微调，参数范围均为 0-255，可创造出从尖锐电子音到低沉机械感的多样化音色。

技术实现上，技能通过 Node.js 调用 sam-js 库生成 22050Hz/8-bit 单声道 WAV 文件，输出路径可控。状态持久化存储于 memory/sam-mode.json，确保跨会话的偏好设置得以保留。对于需要特定音频格式的平台（如 Telegram 的 OGG/OPUS），技能提供 ffmpeg 转换示例，但强制要求用户确认后才执行安装，体现安全设计意识。

显著优点

1. 独特的复古美学价值：SAM 的机械音质感具有极高的辨识度，能为交互注入怀旧游戏氛围，区别于现代神经网络 TTS 的"过于自然"。
2. 完全离线处理：所有语音合成在本地完成，无网络传输延迟，无隐私泄露风险，适合敏感场景。
3. 精细的声线控制：四参数调节系统远超普通 TTS 的简单语速调节，可实现角色化配音效果。
4. 双模式灵活切换：单次生成与全局模式满足不同使用场景，状态持久化提升用户体验连续性。
5. 开源可审计：依赖链清晰，从1982年原始算法到现代 JavaScript 移植均有公开源码可追溯。

潜在缺点与局限性

1. 音质局限：8-bit/22kHz 的 WAV 输出在现代标准下属于低保真，缺乏现代 TTS 的自然韵律和情感表达。
2. 英语-centric：SAM 引擎基于英语音素设计，对中文等非拉丁语系支持有限，可能出现发音失真。
3. Node.js 依赖：需要预装 Node 18+ 环境，对轻量级部署场景不够友好。
4. 平台兼容性成本：原生 WAV 格式在部分即时通讯平台需额外转码，ffmpeg 依赖增加部署复杂度。
5. 无流式生成：必须等待完整音频文件生成后才能输出，长文本场景存在明显延迟。

适合的目标群体

• 复古科技爱好者：追求8-bit美学、怀旧游戏氛围的内容创作者
• 开发者与极客：需要为机器人/IoT 项目添加特色语音反馈的技术用户
• 教育娱乐场景：为儿童编程教育、互动叙事增添趣味性的教育工作者
• 隐私敏感用户：拒绝云端 TTS 服务、坚持本地处理的隐私倡导者
• 英语内容创作者：播客、视频制作中需要特色机器人配音的媒体从业者

使用风险

1. 性能瓶颈：长文本合成可能阻塞事件循环，建议在独立进程中执行或限制单次输入长度。
2. 磁盘I/O压力：频繁生成临时 WAV 文件需注意 /tmp 目录清理，避免空间耗尽。
3. 依赖维护风险：sam-js 作为个人维护项目，长期更新保障存疑，建议锁定版本。
4. 跨平台音频兼容性：不同平台对音频格式的要求可能迫使用户接受额外依赖安装，需提前评估部署环境。