小米本地文本转语音 (Xiaomi TTS) Skill

1. 技能名称

xiaomi-local-tts

2. 技能描述

调用本地scripts目录下的 XiaomiTTS.exe 命令行工具，将文本文件转换为语音文件。该技能基于小米自研TTS引擎，支持高自然度语音合成及流式输出，适用于实时语音播报、有声书生成及语音助手场景。
XiaomiTTS.exe从这儿下载压缩包，https://gitee.com/Megadotnet/XiaomiTTS/releases/download/v0.3/XiaoMiTTS-win-64-single.zip, 解压后重命名XiaomiTTS.exe

3. 版本

1.2.0 (已支持文件输入、流式合成与完整功能)

4. 作者

megadotnet

5. 目标与定位

• 目标：将文本文件内容转换为高质量语音，支持流式处理以降低延迟。
• 定位：本地化、高性能的文本转语音执行器，依赖 XiaomiTTS.exe 二进制文件。

6. 激活条件与边界

激活条件：
当用户请求"朗读文本文件"、"生成语音文件"、"将文本转为语音"或明确提及"使用小米TTS"时触发。

不激活场景：
- 用户仅需要文本摘要或翻译。
- 用户未提供文本文件或文本内容。

7. 核心规则与约束

1. 输入处理：
   - 必须提供文本文件路径作为输入，不支持直接文本参数。
   - 需要MIMO_API_KEY环境变量进行身份验证。
   - 文本文件应为UTF-8编码，支持中英文混合内容。
2. 流式支持：
   - 当用户要求"实时朗读"或"边生成边播放"时，必须启用 --stream 标志。
3. 文件管理：
   - 输出文件默认为输入文件名加.wav后缀。
   - 支持自定义输出文件路径和格式。
4. 环境要求：
   - 需要.NET 9.0运行时环境。
   - 必须设置MIMO_API_KEY环境变量。

8. 标准执行流程 (SOP)

1. 参数解析：提取输入文件路径、输出文件路径（可选）、流式标志。
2. 环境验证：检查MIMO_API_KEY环境变量是否设置。
3. 输入验证：确认输入文本文件存在且可读。
4. 命令构建：
   - 基础命令：XiaomiTTS.exe <input_file> [output_file]
   - 若启用流式：追加 --stream
5. 执行与反馈：
   - 调用系统Shell执行命令。
   - 捕获合成进度和结果信息。
   - 确认输出文件生成成功。

9. 参数说明

10. 环境变量

11. 示例调用

场景 A：基本文本转语音

用户指令："请将test.txt文件转换为语音"

工具调用参数：

{
  "input_file": "test.txt",
  "output_file": "test.wav"
}

场景 B：流式语音合成（实时播报）

用户指令："请用小米TTS实时朗读test.txt文件内容"

工具调用参数：

{
  "input_file": "test.txt",
  "stream": true
}

场景 C：自定义输出路径

用户指令："将input.txt转换为output.wav"

工具调用参数：

{
  "input_file": "input.txt",
  "output_file": "output.wav"
}

12. 错误处理

• 文件不存在：返回明确的错误信息，提示检查输入文件路径。
• API密钥缺失：提示设置MIMO_API_KEY环境变量。
• 编码错误：建议使用UTF-8编码保存文本文件。
• 合成失败：返回具体的错误原因和解决建议。

13. 性能特征

• 合成速度：约15字符/秒（非流式模式）。
• 输出格式：16kHz采样率，单声道，WAV格式。
• 文件大小：约10KB/秒语音内容。
• 内存使用：流式模式下内存占用更低。

14. 使用限制

• 文本长度：建议单次合成不超过10000字符。
• 文件格式：输入必须为纯文本文件(.txt)。
• 网络要求：需要网络连接进行TTS服务调用。
• 并发限制：建议单进程使用，避免并发调用。