mlx-tts - 基于 mlx-audio 的文本转语音技能
使用 mlx-audio 将文本转换为语音，完全在 Apple Silicon 上运行，无需 API 密钥。
触发条件
当用户请求以下操作时使用此技能：
- "朗读这段文字"
- "把这段话转成语音"
- "用声音说..."
- "TTS"
- "语音合成"
工具：mlx_tts
> 注意： 本插件依赖 mlx-audio Python 库。使用前请确保已安装：
> bash
> uv tool install mlx-audio --prerelease=allow
>
生成语音
{
"action": "generate",
"text": "要合成的文本",
"outputPath": "/tmp/output.mp3",
"model": "可选：指定模型",
"langCode": "可选：语言代码 (zh/en/ja 等)",
"speed": "可选：语速倍数 (1.0 为正常)"
}
参数说明：
- action: 必须是 "generate"
- text: 要转换为语音的文本（必需）
- outputPath: 输出文件路径，限制在 /tmp 或 ~/.openclaw/voice/outputs/
- model: 可选，覆盖默认模型
- langCode: 可选，语言代码（Kokoro 模型需要）
- speed: 可选，语速倍数（0.5-2.0）
返回值：
{
"success": true,
"outputPath": "/tmp/output.mp3",
"duration": 2.5,
"model": "使用的模型名称"
}
检查状态
{
"action": "status"
}
返回 TTS 服务器状态、加载的模型、启动时间等信息。
重载配置
{
"action": "reload"
}
无需重启 OpenClaw 即可重载 TTS 配置。
可用模型
| 模型 | 语言 | 描述 | 内存需求 |
|---|---|---|---|
| Kokoro-82M (推荐默认) | EN, JA, ZH, FR, ES, IT, PT, HI | 快速轻量，54 种预设声音 | ~500MB |
| Qwen3-TTS-0.6B | ZH, EN, JA, KO 等 | 中文质量优秀，支持声音克隆 | ~2.5GB |
| Qwen3-TTS-1.7B | ZH, EN, JA, KO 等 | 声音设计，根据描述生成 | ~16GB+ |
| Chatterbox | 16 种语言 | 最广泛的语言覆盖 | ~16GB+ |
| CSM-1B | EN | 对话式语音，支持声音克隆 | ~2GB |
| Dia-1.6B | EN | 对话-focused TTS | ~4GB |
| Spark-TTS-0.5B | EN, ZH | 高效 TTS | ~1GB |
| Soprano-1.1-80M | EN | 高质量轻量 TTS | ~200MB |
| OuteTTS-0.6B | EN | 高效 TTS | ~1.5GB |
| Ming-omni-0.5B (Dense) | EN, ZH | 轻量 MoE，声音克隆 | ~1GB |
| Ming-omni-16.8B (BailingMM) | EN, ZH | MoE 多模态，语音/音乐/事件 | ~32GB+ |
CLI 命令
| 命令 | 描述 |
|---|---|
/mlx-tts status |
查看 TTS 服务器状态 |
/mlx-tts test <文本> |
测试生成语音 |
/mlx-tts reload |
重载 TTS 配置 |
/mlx-tts models |
列出可用模型 |
使用示例
基础用法
{
"action": "generate",
"text": "你好，我是你的 AI 助手"
}
指定输出路径
{
"action": "generate",
"text": "欢迎使用 OpenClaw",
"outputPath": "~/.openclaw/voice/outputs/welcome.mp3"
}
使用特定模型和语言
{
"action": "generate",
"text": "Hello, this is a test",
"model": "mlx-community/Kokoro-82M",
"langCode": "en"
}
调整语速
{
"action": "generate",
"text": "慢慢朗读这段话",
"speed": 0.8
}
注意事项
- 首次生成较慢：模型需要预热，首次请求可能需要几秒
- 完全本地：所有处理在本地完成，数据不出机器
- 路径限制：输出路径必须在
/tmp或~/.openclaw/voice/outputs/ - 符号链接检查：输出路径中的符号链接会被拒绝
- 文件大小限制：超过 64MB 的音频会被拒绝
配置
在 openclaw.json 中配置：
{
"plugins": {
"entries": {
"openclaw-mlx-audio": {
"config": {
"tts": {
"enabled": true,
"model": "mlx-community/Qwen3-TTS-12Hz-0.6B-Base-bf16",
"port": 19280,
"langCode": "zh",
"pythonEnvMode": "managed"
}
}
}
}
}
}
故障排除
TTS 服务器未启动
检查状态：
/voice-tts status
如果显示未运行，检查配置中的 enabled 是否为 true。
生成失败
- 检查文本是否为空
- 检查输出路径是否合法
- 查看服务器日志
模型下载慢
模型首次使用会下载到 ~/.cache/huggingface/hub/，可以使用镜像加速。
