senseaudio-voice

SenseAudio Voice - 语音合成 (TTS) + 语音识别 (ASR)，完整语音交互能力

基于 SenseAudio HTTP API + Edge TTS 实现，根据语言自动选择最佳方案。

✨ 特点

🎤 完整语音能力

• TTS 语音合成 - 文字转语音，支持多声音
• ASR 语音识别 - 语音转文字，高精度识别
• HTTP 接口 - 简单可靠，无需复杂依赖
• 语言自动检测 - 中文用 SenseAudio，英语/日语用 Edge TTS

🌍 语言支持策略

🔧 技术优势

• 简单依赖 - 只需要 requests 库
• WAV 格式 - 系统兼容性好，无需额外解码器
• 智能播放 - 自动检测设备支持的播放器
• 异常处理 - 完整的错误处理和降级方案

🚀 快速使用

# 基础用法（自动检测语言）
python {baseDir}/scripts/tts.py "你好，这是语音测试"
python {baseDir}/scripts/tts.py "Hello, this is a test"
python {baseDir}/scripts/tts.py "こんにちは、テストです"

# 指定声音（仅 SenseAudio）
python {baseDir}/scripts/tts.py --voice male_0004_a "你好呀"

# 指定输出文件
python {baseDir}/scripts/tts.py -o output.wav "语音内容"

# 生成并播放
python {baseDir}/scripts/tts.py --play "宝贝，该写作业啦"

# 强制使用 Edge TTS（英语/日语推荐）
python {baseDir}/scripts/tts.py --engine edge "Hello, how are you?"

# 强制使用 SenseAudio（仅中文）
python {baseDir}/scripts/tts.py --engine senseaudio "你好，今天天气不错"

# 检查系统播放器
python {baseDir}/scripts/tts.py --check-players

📁 文件存储

音频文件保存位置: {workspace}/audio/YYYY-MM-DD/

/home/wang/.openclaw/agents/kids-study/workspace/audio/
└── 2026-03-14/
    ├── 095221_male0004a_测试完成，文件应该在.mp3
    └── 095158_male0004a_你好，音频文件现在保.mp3

• 默认按日期分类存储
• 文件名格式：HHMMSS_voice_文本前缀.mp3
• 使用 -o 参数可指定自定义路径

🎤 可用语音

SenseAudio 声音（中文）

Edge TTS 声音（英语/日语）

📋 选项

🔧 配置

SenseAudio API Key: 从 ~/.openclaw/openclaw.json 的 env.SENSE_API_KEY 读取

Edge TTS: 无需 API Key，直接调用 Microsoft Edge 服务

⚙️ 使用建议

• 中国大陆用户：配置 SENSE_API_KEY，中文使用 SenseAudio（免费，需手机号 + 身份认证）
• 海外用户：无需配置，自动使用 Edge TTS（英语/日语支持好）
• 混合场景：保持 auto 模式，根据语言自动选择最佳方案

📝 使用示例

中文场景（使用 SenseAudio）

# 默认童声（适合学习场景）
python {baseDir}/scripts/tts.py --play "宝贝，该写作业啦"

# 日常问候
python {baseDir}/scripts/tts.py --play "早上好呀，今天天气不错"

# 切换声音（男声）
python {baseDir}/scripts/tts.py --voice male_0004_a --play "该去上班啦"

# 调节语速
python {baseDir}/scripts/tts.py --speed 1.2 --play "这是快一点的语音"
python {baseDir}/scripts/tts.py --speed 0.8 --play "这是慢一点的语音"

英语场景（自动使用 Edge TTS）

# 英语问候（自动检测，使用 Edge TTS）
python {baseDir}/scripts/tts.py --play "Hello! How are you today?"

# 强制使用 Edge TTS
python {baseDir}/scripts/tts.py --engine edge --play "Good morning, everyone!"

# 使用男声
python {baseDir}/scripts/tts.py --voice en-US-GuyNeural --play "Let's start learning!"

日语场景（自动使用 Edge TTS）

# 日语问候（自动检测，使用 Edge TTS）
python {baseDir}/scripts/tts.py --play "こんにちは、お元気ですか？"

# 使用男声
python {baseDir}/scripts/tts.py --voice ja-JP-KeitaNeural --play "一緒に勉強しましょう！"

语言检测

# 自动检测语言并选择合适的引擎
python {baseDir}/scripts/tts.py --lang auto --play "Hello 你好 こんにちは"

🔌 API 接口

SenseAudio（中文）

• 端点: POST https://api.senseaudio.cn/v1/t2a_v2
• 鉴权: Authorization: Bearer <API_KEY>
• 文档: https://senseaudio.cn/docs/text_to_speech_api
• 限制: 需要大陆手机号 + 身份认证，免费使用

Edge TTS（英语/日语）

• 端点: Microsoft Edge TTS Service
• 鉴权: 无需 API Key
• 依赖: edge-tts Python 库（可选）或直接 HTTP 调用
• 限制: 无地区限制，海外友好

⚠️ 注意事项

SenseAudio（中文）

• 需要联网（调用 SenseAudio 服务）
• 依赖 SENSE_API_KEY 环境变量或配置文件
• 仅限中国大陆地区：需要手机号 + 身份认证才能免费使用
• 单次请求最大文本长度：10000 字符

Edge TTS（英语/日语）

• 需要联网（调用 Microsoft Edge 服务）
• 无需 API Key，无地区限制
• 海外用户推荐使用

通用

• 音频播放器：自动检测，推荐安装 aplay (ALSA) 或 paplay (PulseAudio)
• 语言检测逻辑：
  • 包含中文字符 → SenseAudio
  • 包含日文字符（假名/汉字）→ Edge TTS
  • 纯拉丁字母 → Edge TTS
  • 混合语言 → 按主要字符类型判断

🔧 播放器检测

# 检查系统支持的播放器
python {baseDir}/scripts/tts.py --check-players

输出示例:

🔊 系统音频播放器检测
============================================================
✅ 找到 2 个可用播放器:

1. ALSA (WAV 原生支持)
   命令：aplay -q
   支持格式：wav

2. PulseAudio
   命令：paplay
   支持格式：wav, mp3, flac, ogg

💡 推荐:
   播放 WAV: ALSA (WAV 原生支持) (优先级最高)
   播放 MP3: PulseAudio

播放流程:

1. 验证文件存在性和完整性
2. 检测系统可用的播放器
3. 按优先级尝试播放
4. 失败时自动降级到下一个播放器
5. 所有播放器失败时给出详细错误日志和建议