🎙️ QClaw Speaker — 让 AI 自然开口说话

四引擎本地轻量 CPU TTS 语音播报系统。无需 GPU，无需云 API，13MB 模型即可在 CPU 上实时合成中文语音，流畅度媲美云服务。

如果说 video-subtitle-extractor 是给大模型装上了"视频字幕眼睛"， 那么 qclaw-speaker 就是给它装上了"嘴巴"，像豆包一样自然开口！

🚀 Quick Start

# 一键安装（2引擎 + 默认音色）
python scripts/install.py

# 说话！
python scripts/speak.py "你好，我是QClaw，很高兴为你服务！"
python scripts/speak.py "大家好" --voice yunxi      # 男声
python scripts/speak.py "离线播报" --engine sherpa   # 本地离线
python scripts/speak.py "系统原生" --engine win       # Windows自带

# 切换默认音色
python scripts/speak.py --set-voice xiao_ya

# 开启自动播报
python scripts/speak.py --auto-speak on

📊 2025-2026 本地轻量 CPU 中文 TTS 模型全景对比

技能内置引擎对比

其他值得关注的候选（可扩展）

决策指南

需要离线？ ─YES→ 选择 Sherpa+Piper (13MB) 或 Windows SAPI (0MB)
需要实时流式？ ─YES→ Edge TTS / Sherpa / Kokoro
最小RAM？ ─→ Windows SAPI (50MB) / Sherpa (200MB)
最佳中文？ ─→ Edge TTS (在线) / Matcha-TTS (离线72MB)
最快速度？ ─→ Piper C++ 原生 (RTF 0.03) / Kokoro (RTF 0.04)

🎤 四引擎详解

自动降级逻辑

请求播报
  ├── 1. Edge TTS (品质最优)
  ├── 2. Sherpa-onnx (本地离线)  ← 网络不佳时
  └── 3. Windows SAPI (终极兜底)  ← 都不行时

🎨 内置音色库（11款）

Edge TTS — 6款在线微软神经语音

Sherpa-onnx Piper — 3款本地离线

Windows SAPI — 1款系统原生

🏗️ 技术架构

┌─────────────────────────────────────────────────────────┐
│                     QClaw / OpenClaw                     │
│                                                          │
│  ┌──────────┐     ┌──────────────┐     ┌─────────────┐ │
│  │ LLM 输出  │ →   │  speak.py    │ →   │  音频输出    │ │
│  │ (文本)    │     │  引擎调度器    │     │  (WAV/MP3)  │ │
│  └──────────┘     └──────┬───────┘     └─────────────┘ │
│                          │                               │
│            ┌─────────────┼─────────────┐                │
│            ▼             ▼             ▼                │
│     ┌──────────┐  ┌──────────┐  ┌──────────┐          │
│     │ Edge TTS │  │ Sherpa   │  │ Win SAPI │          │
│     │ (在线)    │  │ (ONNX)   │  │ (原生)    │          │
│     │ 0MB      │  │ 13MB     │  │ 0MB      │          │
│     └──────────┘  └────┬─────┘  └──────────┘          │
│                        │                                │
│                 ┌──────▼──────┐                        │
│                 │  Piper VITS │                        │
│                 │  (int8量化)  │  纯CPU, <0.1s延迟     │
│                 └─────────────┘                        │
└─────────────────────────────────────────────────────────┘

技术栈

🧠 Auto-Speak 自动语音播报

开启后，每次 AI 回复自动朗读：

用户: 开启语音播报
→ config.json: auto_speak = true
→ 后续每次回复自动调用 TTS
→ 语音消息发送至当前聊天

关闭：

用户: 关闭语音播报 / 安静 / 别说了
→ config.json: auto_speak = false

一个答案只会开一次口，工具调用/系统消息不会触发朗读。

📦 安装

# 全自动安装（edge-tts + pyttsx3 + sherpa-onnx）
python scripts/install.py

# 仅安装在线引擎
python scripts/install.py --edge-only

# 仅安装离线引擎
python scripts/install.py --win-only

# 下载 sherpa-onnx 模型
python scripts/install.py --sherpa xiao_ya

# 检查安装状态
python scripts/install.py --check

🔧 CLI 参考

python scripts/speak.py "文本" [选项]

选项:
  --voice, -v    NAME      音色名称
  --engine, -e    ENGINE   引擎: auto / edge / sherpa / win
  --speed, -s     FLOAT    语速 (0.5-2.0, 默认 1.0)
  --output, -o    PATH     输出音频文件
  --list-voices            列出全部音色
  --set-voice     NAME     设置默认音色
  --set-speed     FLOAT    设置默认语速
  --auto-speak    on|off   开启/关闭自动语音播报
  --config                 显示当前配置
  --config-path            显示配置文件路径

📊 实测性能（Win 11, i7, 16GB）

🔧 Troubleshooting

🆚 与现有 TTS 技能对比

📝 Changelog

v1.1.0 — 四引擎 + Sherpa打通

• New: Windows SAPI (pyttsx3) 本地引擎，零配置离线
• Fix: sherpa-onnx ORT DLL 自动覆盖（系统 1.26→覆盖sherpa内置1.17）
• Fix: Piper 模型 lexicon 路径显式传入
• Change: 引擎自动降级 edge → sherpa → win
• New: 6款 Edge TTS 音色（+yunyang/xiaohan）
• New: ORT auto-fix (_ensure_ort_fix)
• Docs: 2025-2026 本地轻量 CPU 中文 TTS 模型全景对比

v1.0.0 — Initial Release

• Edge TTS + sherpa-onnx 双引擎
• 3款 Piper 中文音色 (xiao_ya/chaowen/huayan)
• 3款 Edge 中文音色 (xiaoxiao/yunxi/xiaoyi)
• Auto-speak 自动语音播报模式
• 流式 TTS 支持
• 一键安装脚本