核心用法
Deepdub TTS 是一款专为 OpenClaw 框架设计的文本转语音（TTS）技能，通过调用 Deepdub 云端 API 将输入文本转换为自然语音音频，并以 MEDIA: 格式返回文件路径，便于直接发送至 Telegram 等即时通讯渠道。
显著优点
- 即插即用：与 OpenClaw 生态深度集成，一行配置即可接入 Telegram 工作流；
- 云端质量：依托 Deepdub 专业 TTS 引擎，输出音质优于多数开源本地方案；
- 灵活配置：支持通过环境变量自定义音色（
VOICE_PROMPT_ID）、语种（LOCALE）及模型版本； - 文件自动管理：默认输出至
/tmp/openclaw_media，可自定义路径避免冲突。
潜在局限
- 外部依赖强：需有效 Deepdub API Key，网络波动或配额耗尽将导致服务中断；
- 隐私合规风险：文本与生成音频需经第三方云端处理，敏感内容存在数据出境隐患；
- 成本不可控：按调用量计费，高频场景需关注账单；
- 本地执行限制：要求 OpenClaw 具备本地命令执行权限，容器化部署需额外配置。
适合人群
- 运营自动化团队：需批量生成通知语音并推送至 Telegram 群组；
- 多语言内容创作者：快速产出多语种配音原型；
- 个人开发者：搭建轻量级语音机器人，不愿维护复杂 TTS 基础设施。
常规风险
- API Key 泄露可能导致账户被盗刷；
- 未设置调用配额上限易引发意外高额费用；
- 临时目录
/tmp在部分系统重启后清理，需确认持久化策略。