kokoro-tts

Kokoro TTS 是一个轻量级的文本转语音（TTS）技能，专为需要将文本快速转换为高质量语音的用户设计。该技能通过调用本地或远程部署的 Kokoro TTS 服务，利用 Node.js 脚本实现无缝的语音合成工作流。用户只需配置 KOKORO_API_URL 环境变量指向服务地址，即可通过命令行工具将任意文本转换为 MP3 格式的音频文件。脚本支持多维度参数调节，包括音色选择（如温暖的 af_heart、专业的 af_nova、深沉的 am_adam 等）和语速控制（0.25 至 4.0 倍速），满足不同场景的语音生成需求。生成的音频文件自动保存至本地 media 目录，并通过 MEDIA: 前缀输出路径，便于上层应用自动识别和传输。

该技能的显著优势在于其隐私优先的设计理念。由于支持本地部署的 TTS 引擎，用户的文本数据无需上传至第三方云服务，从根本上杜绝了数据泄露风险。同时，脚本实现极为精简，仅依赖 Node.js 内置模块（fs、path 等），零外部 npm 依赖确保了供应链安全性和长期稳定性。多音色库和灵活的语速调节功能使其适用于从个人语音助手到专业内容创作的广泛场景。此外，标准化的 OpenAI 兼容 API 格式使得该技能能够与各类 AI 基础设施轻松集成。

然而，该技能也存在一定的局限性。首先，用户需要自行部署和维护 Kokoro TTS 后端服务，这对非技术用户构成了使用门槛。其次，作为个人开发者维护的项目（T3 来源），其长期更新支持和代码审查严格度不及企业级项目。功能层面，目前仅支持 MP3 格式输出，缺乏对音频后期处理（如降噪、混音）的内置支持。此外，脚本对输入文本的长度限制和内容过滤依赖于后端服务，前端缺乏主动的输入验证机制。

该技能特别适合以下群体：注重数据隐私、希望在本地环境完成语音合成的开发者；需要构建自动化内容生产工作流的运营人员；在隔离网络环境中工作的企业用户；以及 AI 爱好者和本地大模型实践者。对于已经将 Kokoro TTS 作为基础设施部署的用户，此技能提供了最轻量、最高效的调用方式。

使用过程中需关注以下风险：生产环境中应显式配置 KOKORO_API_URL 而非依赖默认的 localhost 地址，以避免服务指向错误；需确保后端 TTS 服务的可用性和版本兼容性，否则将导致生成失败；由于代码来自个人开发者，建议在大规模部署前进行代码审计；此外，生成的音频文件存储在本地文件系统，需注意磁盘空间管理和文件权限设置，防止敏感语音内容被未授权访问。