核心功能
该技能是基于 ElevenLabs API 的全面语音合成工具包，主要功能包括：
- 多语言语音合成：支持 32 种语言，使用 ElevenLabs 多语言 v2 模型
- 18 种预设人声：涵盖美式、英式、澳式口音，适配不同场景（旁白、商务、冥想、播客等）
- AI 音效生成：通过文本描述生成自定义音效（0.5-22 秒）
- 声线设计：基于性别、年龄、口音描述创建个性化声音
- 批量处理：支持从文本文件或 JSON 批量生成音频
- 流式输出：实时音频生成，适合长文本场景
- 成本追踪：监控字符使用量并估算费用
显著优点
- 丰富的预设体系：提供 10+ 快捷预设（narrator/professional/storyteller 等），降低选择成本
- 专业本地化配置：交互式安装向导引导 API 密钥、默认人声、预算上限等配置
- 发音词典支持：可自定义特定词汇的发音规则
- 隐私保护设计：API 密钥仅本地存储，自动排除于版本控制
- OpenClaw 生态集成：与 OpenClaw 内置 TTS 系统兼容
局限性与风险
- 付费依赖：核心功能完全依赖 ElevenLabs 商业 API，存在持续使用成本（$0.11-0.30/千字符）
- API 密钥管理：需用户自行申请和管理 API 密钥，存在密钥泄露风险
- 网络依赖：所有生成过程需实时连接 ElevenLabs 服务器
- 无离线能力：不支持本地模型推理
- 声线设计限制：自定义声线需保存至 ElevenLabs 云端库，非完全本地可控
适用人群
- 内容创作者（播客、有声书、视频配音）
- 开发者需要集成 TTS 功能的 AI 应用
- 多语言内容制作团队
- 游戏/媒体制作需要快速生成音效的设计师
- OpenClaw 用户寻求增强的语音交互体验
常规风险提示
- 需注意 API 使用量和费用控制，建议配置预算上限
- 生成内容需遵守 ElevenLabs 服务条款和当地法律法规
- 自定义声线可能涉及肖像权相关合规考量