Sag

核心用法

sag 是一款围绕 ElevenLabs 文本转语音 API 设计的文档型 Skill，旨在为用户带来类似 macOS say 命令的简洁交互体验。核心功能包括：

• 快速语音合成：sag "Hello there" 即可生成语音并本地播放
• 多模型支持：默认使用 eleven_v3（情感丰富），可选 eleven_multilingual_v2（稳定）或 eleven_flash_v2_5（快速）
• 声音控制：支持通过 -v 参数指定声音，内置 Clawd 默认声音配置
• 情感标签：v3 模型支持 [whispers]、[shouts]、[excited] 等音频标签控制语气和表达
• 发音优化：提供 --normalize auto 处理数字/单位，支持多语言偏置设置

显著优点

1. 零代码风险：纯 Markdown 文档型 Skill，无可执行文件，无动态代码
2. 知名开发者背书：作者 steipete（Peter Steinberger）为 PSPDFKit 创始人，iOS/macOS 开源社区权威人物
3. 交互友好：模仿 macOS 原生 say 命令设计，学习成本极低
4. 功能透明：API Key 需求明确声明，无隐藏数据收集

潜在局限

• 依赖外部服务：需自备 ElevenLabs API Key，产生额外成本
• 纯文档限制：Skill 本身不执行代码，仅提供命令参考，实际功能需安装 sag CLI
• SSML 兼容性差异：v3 与 v2/v2.5 的 break 标签语法不统一
• 网络依赖：所有语音合成需联网调用 ElevenLabs API

适合人群

• 需要高质量 AI 语音合成的 macOS 用户
• 熟悉命令行、追求简洁工作流的开发者
• 已有 ElevenLabs 订阅的技术用户

常规风险

• API Key 管理：需妥善保管 ELEVENLABS_API_KEY，避免泄露
• 成本累积：ElevenLabs 按字符计费，长文本合成可能产生意外费用
• 内容合规：生成的语音需遵守 ElevenLabs 使用政策，禁止用于欺诈等场景

核心用法

sag 是一个封装了 ElevenLabs 先进 TTS API 的命令行工具，采用 macOS say 命令的极简交互范式。用户通过环境变量配置 API Key 后，即可用单行命令生成自然语音：

sag "Hello there"                          # 基础语音合成
sag speak -v "Roger" "Hello"               # 指定语音角色
sag -v Clawd -o /tmp/output.mp3 "Text"     # 保存为文件

模型选择：默认 eleven_v3（表现力强）、稳定版 eleven_multilingual_v2、极速版 eleven_flash_v2_5。

高级控制：

• v3 专用音频标签：[whispers]、[shouts]、[sings]、[excited]、[sarcastic] 等情感标记
• 节奏控制：[pause]、[short pause]、[long pause] 替代 SSML
• 文本规范化：--normalize auto 处理数字/单位/URL
• 语言引导：--lang en|de|fr 优化多语言发音

显著优点

1. 极致简洁：单行命令即可完成高质量语音合成，学习成本极低
2. 情感丰富：v3 模型的音频标签支持让 AI 语音具备细腻的情绪表达能力
3. 专业集成：与 ElevenLabs 商业级 API 深度绑定，音质领先开源方案
4. 灵活输出：支持直接播放、文件保存、以及作为 Chat 语音回复的自动化工作流

潜在局限

• 商业依赖：完全依赖 ElevenLabs 付费 API，无法离线使用
• 平台限制：主要为 macOS 优化（Homebrew 分发），跨平台需自行构建
• SSML 兼容性：v3 不支持标准 SSML <break>，需使用专有标签语法
• 语音定制受限：无法本地微调模型，仅能用 ElevenLabs 预设声库

适合人群

• 需要快速原型语音内容的开发者、播客创作者、游戏开发者
• 追求自然语音质量、愿为 API 付费的专业用户
• 熟悉命令行、偏好脚本自动化工作流的技术人员

常规风险

• API Key 管理：ELEVENLABS_API_KEY 需妥善保管，避免硬编码提交至版本控制
• 成本控制：按字符计费，长文本批量处理时需注意用量监控
• 临时文件：示例中 /tmp 路径需定期清理，敏感内容建议自定义安全路径
• 服务可用性：依赖 ElevenLabs 云服务，存在网络延迟与服务商稳定性风险