核心功能
characteristic-voice 是一款专注于情感化语音合成的 AI 技能，旨在将机器语音转化为具有人类温度的陪伴式表达。它通过两大核心技术实现这一目标：
1. 非词汇化填充词（Non-lexical Fillers）
在语音中自然插入「hmm...」「heh」「aww~」等人类语气词，模拟真实对话中的思考、犹豫、轻笑等微妙情绪。支持 10+ 种声音符号，配合 ...（停顿）和 ~（拖音）营造呼吸感。
2. 情感参数调优（Emotion Tuning）
通过 JSON 配置微调「温暖度」「喜悦度」「温柔感」等维度，精确匹配场景情绪。
3. 场景化预设
- Good Night：舒缓、 sleepy，适合睡前陪伴
- Good Morning：温暖而不聒噪的晨间问候
- Comfort：共情导向，不急于解决问题的倾听姿态
- Celebration：真挚兴奋的庆祝语气
- Just Chatting：轻松自然的日常闲聊
4. 声线克隆（Voice Cloning）
支持上传 10-30 秒参考音频，复刻特定人物声线（需注意版权合规）。
技术架构
- 双后端设计：
- Noiz 云端：音质更优，需 API Key，数据上传至
noiz.ai - Kokoro 本地：完全离线，隐私零泄露，依赖
kokoro-tts工具
显著优点
- 情感颗粒度精细：不只是「快/慢」，而是「叹息后的温柔」
- 写作指南完备：提供 Agent 侧的文案策略（软开场、能量镜像、简短句、温暖收尾）
- 隐私选项灵活：本地后端满足敏感场景需求
潜在局限
- 版权风险：声线克隆功能若用于影视角色，可能触及人格权/著作权
- 依赖链复杂：本地模式需手动安装
kokoro-tts、yt-dlp、ffmpeg等工具 - 云端依赖：Noiz 后端需境外服务可用性
- 填充词滥用风险：过度使用可能显得刻意，需遵循「短消息 2-4 个」的限制
适合人群
- 开发虚拟伴侣、心理健康支持机器人的开发者
- 需要「非机械感」语音输出的播客/有声书创作者
- 追求隐私安全的本地化 AI 语音爱好者
常规风险
| 风险类型 | 说明 |
|---------|------|
| 数据上传 | 使用 `--ref-audio` 时，参考音频将上传至 Noiz 服务器 |
| API Key 存储 | 脚本以 600 权限保存 key 到 `~/.noiz_api_key`，需确保文件系统安全 |
| 版权合规 | 提取影视/名人语音进行克隆存在法律风险 |
| 情绪误导 | 过度拟人化可能导致用户产生不适当的情感依赖 |