Elevenlabs Tts

核心功能与定位

ElevenLabs TTS是一款面向OpenClaw的高级文本转语音集成工具，基于ElevenLabs v3模型（alpha）构建，核心能力在于情感化音频合成——通过方括号标签（如[excited]、[whispers]）实时控制语音的情绪、节奏、音量和角色特征。

显著优点

1. 情感控制能力领先：音频标签系统允许在单句内实现情绪切换，从[nervous][whispers]的紧张低语到[excited][shouts]的激动呼喊，表现力远超传统TTS。

2. 多语言原生支持：覆盖70+语言，特别针对希伯来语等复杂拼音文字优化（支持nikud元音标注），解决性别区分、歧义发音等痛点。

3. WhatsApp工作流完整：内置MP3→Opus转换方案，解决Android兼容性难题，支持可转录的语音消息发送。

4. 非专业友好：提供预设推荐音色（Adam、Rachel等）、稳定性三档模式（Creative/Natural/Robust），降低调参门槛。

潜在局限与风险

• v3非确定性输出：相同输入会产生不同结果，需多次生成选优，不适合要求绝对一致性的场景。
• 长度敏感：超过800字符后语音一致性下降，长内容需手动分段拼接。
• 标签滥用陷阱：过度使用标签会导致机械感，需遵循"1-2个/句"原则。
• SSML不兼容：传统SSML标签无效，需完全迁移至新标签体系。
• API成本：ElevenLabs按字符计费，高频使用需关注账单。

适合人群

• 内容创作者：播客旁白、有声书、短视频配音
• 多语言运营者：需生成希伯来语、阿拉伯语等复杂语言的自然语音
• 自动化工作流开发者：构建WhatsApp Bot、语音消息自动化系统
• 游戏/影视预演：快速生成带情绪的角色对话demo

常规风险

• 音频截断：句尾需手动添加[pause]防止最后一个词被切掉
• 音色-标签错配：低沉音色强行[shouts]效果不佳，需测试匹配
• PVC克隆暂不兼容：Instant Voice Clone(IVC)效果优于Professional Voice Clone(PVC)

核心用法

该 Skill 作为 ElevenLabs TTS 的集成文档，指导用户在 OpenClaw 框架中配置 elevenlabs-tts 能力。核心功能包括：

1. 情感音频标签控制：通过 [soft]、[nervous]、[excited] 等标签驱动 ElevenLabs v3 模型生成带情感的语音，支持 70+ 语言。
2. WhatsApp 语音消息工作流：提供 MP3 → Opus 转换、音频截断修复（[pause] 技巧）等完整流程。
3. 希伯来语 Nikud 标注：针对希伯来语发音歧义词提供选择性元音标注指导。

配置要点：在 openclaw.json 中设置 elevenlabs provider，指定 eleven_v3 模型（唯一支持音频标签），选择 IVC 或预制声音（PVC 未优化）。稳定性参数仅接受 0.0/0.5/1.0 三档，音频标签建议使用 Creative (0.0) 或 Natural (0.5) 模式。

显著优点

• 零代码执行风险：100% Markdown 文档，无 JavaScript/Python/Shell 代码，安全扫描六维全满分。
• 生产级工作流：涵盖长文本分段合成（<800 字符/段保质量）、多角色对话生成、ffmpeg 拼接等实际场景。
• 多语言深度优化：希伯来语 Nikud 标注策略（"少即是多"原则）、西班牙语/英语等 70+ 语言示例。
• 格式兼容性：明确解决 WhatsApp Android 端 MP3 播放问题，强制要求 Opus (.ogg) 转换。

潜在缺点与局限性

• 模型限制：eleven_v3 为 alpha 版本，非确定性输出（相同文本生成结果不同），需多次生成择优。
• 音频标签可靠性差异：[laughs]、[whispers] 等标签效果稳定，但 [explosion]、[French accent] 等效果因声音而异。
• 长度硬性约束：单段 10,000 字符为 API 上限，但 >800 字符后音质一致性显著下降。
• 无 SSML 支持：传统 <break> 等 SSML 标签不生效，必须依赖自定义音频标签体系。
• 声音匹配敏感：[shouts] 用于气声效果差，需人工测试标签与声音的兼容性。

适合人群

• OpenClaw 框架用户：需要为聊天机器人/自动化工作流添加语音输出能力。
• WhatsApp 自动化开发者：构建客服机器人、通知系统等需要发送语音消息的场景。
• 多语言内容创作者：尤其是希伯来语、阿拉伯语等需要精确发音控制的 RTL 语言项目。
• 播客/长音频生产者：需要分段合成后拼接的长内容制作流程。

常规风险

• API 密钥泄露风险：虽文档使用占位符，但用户配置真实密钥后若误提交至版本控制将造成泄露。
• 成本累积：ElevenLabs API 按字符计费，长文本分段策略可能增加调用次数。
• 音质预期管理：音频标签过度使用（>2 个/句）会导致机械感，需遵循"1-2 标签/句"原则。
• 平台兼容性：未按指南转换 Opus 格式将导致 Android 用户无法播放语音消息。

安全认证摘要

• 安全等级：S（优秀）
• 来源可信度：T3（个人开发者/社区项目）
• 扫描结果：零安全风险，无危险函数、无敏感信息硬编码、无外部 API 调用代码