核心功能
Fish Audio S1 TTS Skill 是一款基于本地部署的文本转语音工具，集成 Fish Audio S1 引擎与 NextCloud 私有云存储。核心用法分为三步：配置环境变量 → 调用 REST API 生成音频 → 自动或手动上传至 NextCloud WebDAV。
显著优点
- 音质卓越：Fish Audio S1 以自然度著称，支持 24kHz 采样率与情感标签（如
[happy]、[excited]），可生成接近真人表现力的语音 - 本地化部署：服务运行于本地网络（
192.168.68.78:7860），数据不出内网，规避云端 TTS 的隐私泄露风险 - 丰富音色库：50+ 预设声音，覆盖商务（
em_michael）、多语言（法语em_pierre、德语em_marcus）、情感表达（em_alex）等场景 - 无缝云集成：内置 NextCloud WebDAV 上传流程，支持自动归档与版本管理
潜在局限
- 语言支持偏斜：文档明确标注"primarily English"，非英语内容质量可能下降
- 单点依赖：Fish Audio S1 服务与 NextCloud 均为硬编码内网地址，公网迁移需重构配置
- 无实时流式输出：API 设计为文件生成模式，延迟敏感场景（如实时对话）受限
适合人群
- 企业内容团队（培训视频旁白、内部播客）
- 隐私敏感型用户（医疗、法律文本转语音）
- 自建基础设施的技术爱好者
常规风险
- 环境变量中硬编码凭据（
NEXTCLOUD_PASS）存在泄露风险，建议迁移至密钥管理服务 - 未启用 HTTPS，内网流量可能被嗅探
- WebDAV 路径权限配置不当可能导致未授权访问
技术细节
- 输出格式：MP3（默认 128kbps）/ WAV
- 认证方式：HTTP Basic Auth（NextCloud）
- 依赖服务：Fish Audio S1（端口 7860）、NextCloud（端口 8080）