🗣️ Text-to-speech using GLM-TTS for generating audio

核心用法

Zai-TTS 是通过 uvx zai-tts 命令调用智谱AI GLM-TTS 服务的文本转语音工具。用户需先在 audio.z.ai 注册并获取 ZAI_AUDIO_USERID 和 ZAI_AUDIO_TOKEN 环境变量，通过浏览器开发者工具从 localStorage 提取凭证。基础用法为 uvx zai-tts -t "文本" -o 输出路径，支持调节语速（--speed）、音量（--volume）及切换预设音色（--voice）。内置 Lila、Chloe、Ethan 三种官方音色，也可使用网站克隆的自定义声音。

显著优点

• 音质优秀：依托智谱GLM大模型，合成语音自然度高，情感表达细腻
• 轻量便捷：通过 uvx 零安装运行，无需本地模型部署
• 灵活调控：支持1.0-2.0倍速调节、音量增益及多音色切换
• 自定义扩展：支持官网克隆个人专属声音，满足个性化需求

潜在局限

• 凭证获取繁琐：需手动通过浏览器F12开发者工具提取token，门槛较高
• 网络依赖：完全依赖云端服务，无离线能力
• 隐私考量：文本内容需上传至智谱服务器处理
• 平台限制：暂不支持Windows原生安装，依赖uv/uvx工具链

适合人群

• 内容创作者（播客、有声书、视频配音）
• 无障碍需求用户（视障辅助、阅读障碍支持）
• 多任务场景使用者（驾驶、烹饪时收听长文）
• 开发者集成TTS能力至自动化工作流

常规风险

• 凭证泄露风险：Token存储于环境变量，需避免提交至代码仓库
• 服务稳定性：第三方API可能受网络波动或配额限制影响
• 内容合规：合成内容需遵守平台使用协议，禁止生成违法违规音频

核心用法

zai-tts 是一个纯文档型 Agent Skill，本身不包含可执行代码，而是通过调用外部命令行工具 uvx zai-tts 实现文本转语音（TTS）功能。用户需先在 audio.z.ai 平台注册账号，通过浏览器开发者工具获取 ZAI_AUDIO_USERID 和 ZAI_AUDIO_TOKEN，配置为环境变量后即可使用。

基础调用格式为 uvx zai-tts -t "{文本}" -o {输出路径}.mp3，支持 --speed 调节语速（如 1.5 倍速）、--volume 调节音量、--voice 切换音色。内置三种官方音色：Lila（活泼女声）、Chloe（优雅女声）、Ethan（阳光男声），也可通过 -l 参数查看全部可用音色，或先在平台完成语音克隆后使用自定义声线。

显著优点

安全架构极简：本 Skill 为纯 Markdown 文档型设计，仅包含 SKILL.md 和 _meta.json，无可执行脚本、无危险函数调用、无第三方依赖，从源头消除代码注入和恶意执行风险，获得 CLS S+ 顶级安全认证。

来源可信度高：由 GitHub Organization aahl 维护，主要贡献者活跃开发，仓库拥有 190+ stars，采用 Apache 2.0 开源许可，属于 T2 级可信社区项目。

功能实用完整：背靠智谱AI（Zhipu AI）的 GLM-TTS 服务，语音合成质量处于行业第一梯队；支持语速、音量、音色多维调节，覆盖旁白、播客、有声书等多场景；兼容预克隆声线，满足个性化需求。

部署轻量便捷：依赖 uvx 工具（可通过 brew 或 pip 安装），无需复杂环境配置，跨平台可用。

潜在缺点与局限性

外部服务依赖：核心 TTS 能力完全依赖第三方平台 audio.z.ai，需联网使用，存在服务可用性风险；若智谱AI调整 API 或计费策略，可能影响功能稳定性。

配置门槛存在：需手动访问网站、通过浏览器控制台提取用户ID和Token，对非技术用户不够友好；环境变量配置流程也增加了初次使用成本。

功能边界清晰：本 Skill 仅作为调用封装，不直接处理音频文件管理、批量转换、格式转换等增值功能，复杂需求需配合其他工具链。

隐私数据流转：文本内容和合成音频会传输至智谱AI服务器，敏感内容需谨慎评估。

适合的目标群体

• 内容创作者：需要将文章、脚本快速转换为播客音频、视频旁白的自媒体从业者
• 无障碍需求用户：视力障碍者或偏好听觉获取信息的多任务场景用户
• 开发者与自动化爱好者：希望将 TTS 能力集成到工作流、脚本或 Agent 中的技术用户
• 多语言学习者：需要标准发音示范的语言学习场景

使用风险说明

性能风险：音频合成依赖云端 API，网络延迟和服务器负载可能影响响应速度；大文本需分段处理，单次超长内容可能失败。

成本风险：智谱AI TTS 服务存在调用配额和计费策略，高频或商业使用需关注费用控制。

密钥管理风险：ZAI_AUDIO_TOKEN 属于敏感凭证，若在共享环境或日志中泄露，可能导致账号滥用；建议配合密钥管理系统使用。

依赖项风险：uvx 工具及其背后的 zai-tts Python 包版本更新可能引入破坏性变更，建议锁定版本或监控更新。

合规风险提示：使用语音克隆功能时，需确保获得被克隆人声者的合法授权，避免侵权风险。