一个语音合成 skill：文本转语音、克隆音色、情感化配音，但有环境门槛

来源：GitHub 仓库 anbeime/skill 文件 156 行，5.15 KB

一个语音合成 skill。

它能把文本变成语音，支持四种模式：

1. 基础语音合成：文本转语音 2. 音色克隆：用 3-30 秒参考音频克隆音色 3. 流式实时配音：边输入文本边生成语音 4. 情感适配配音：根据文本情绪自动调整语速、音调、音量

模型有两个选择：

• 1.7B：音质更高，适合高质量配音、有声书
• 0.6B：速度更快，适合实时交互

注意：这个 skill 依赖 Python 环境，需要装一堆包（torch、torchaudio、transformers、scipy、numpy、librosa、soundfile、pydub），推荐 8GB+ 显存 GPU，模型权重 3-5GB，磁盘至少 10GB。不是复制 SKILL.md 就能用。

适合谁：

• 做视频配音、有声书的科研小组成员
• 需要克隆特定音色、生成情感化配音的人
• 想搭一套本地语音合成流程的人

用法： 先把 Python 环境和模型权重准备好，再把 SKILL.md 内容复制到 AI 工具里用。