核心用法
Deepdub TTS 技能通过调用 Deepdub 语音合成 API，将输入文本转换为音频文件，并以 MEDIA: 附件格式返回，供 OpenClaw 发送至 Telegram 等支持媒体消息的渠道。用户需配置 DEEPDUB_API_KEY 和 DEEPDUB_VOICE_PROMPT_ID，可选设置语言区域、模型版本及媒体存储路径。
显著优点
- 即插即用：内置
deepdub_tts.py脚本，无需额外开发音频处理逻辑 - Telegram 原生兼容：输出格式专为 Telegram MEDIA 附件优化，集成门槛低
- 多语言支持：通过
DEEPDUB_LOCALE可切换语言区域（默认 en-US） - 灵活配置：支持自定义模型和语音风格，适应不同场景需求
潜在缺点与局限性
- 外部依赖强：完全依赖 Deepdub 云 API，网络波动或服务中断将直接导致功能失效
- 成本敏感：非免费服务，生产环境需购买 API 额度（仅提供测试密钥用于验证）
- 存储限制：音频文件写入受限于
OPENCLAW_MEDIA_DIR，大文件或高频调用需关注磁盘空间 - 隐私风险：文本内容需上传至 Deepdub 服务器处理，敏感信息存在第三方暴露可能
适合人群
- 需要为 Telegram Bot 添加语音回复功能的开发者
- 构建通知播报、有声内容生成等自动化工作流的用户
- 已持有 Deepdub API 密钥或愿意接入其服务的企业客户
常规风险
- 密钥泄露：API Key 以环境变量形式存储，若部署环境配置不当可能导致凭证暴露
- 文件注入：虽限制写入
OPENCLAW_MEDIA_DIR，但若路径配置错误或权限失控，仍存在目录遍历风险 - 供应链风险：依赖
deepdubPython 包，需信任其发布渠道安全性