Minimax Tts Cn

---

name: MiniMax TTS description: "使用 MiniMax API 将文字转换为 MP3 语音文件。触发词：文字转语音、TTS、生成语音、生成音频、把文字转成语音、文字转MP3、生成MP3。触发后按交互流程引导用户完成 Token 配置、文字输入、音色选择，最终生成 MP3 文件发给用户。严禁使用 say 命令或通过喇叭播放，必须生成 MP3 文件。" version: 1.2.1 icon: 🔊 metadata: clawdbot: emoji: 🔊 requires: bins: - python3 install: - id: brew-python kind: brew formula: python3 bins: - python3 label: Install Python via Homebrew commands: tts: python3 {baseDir}/server/index.py tts voices: python3 {baseDir}/server/index.py voices save-token: python3 {baseDir}/server/index.py save-token

---

🔊 MiniMax TTS 文字转语音

使用 MiniMax speech-2.8-hd 模型将文字转换为 MP3 音频，通过交互向导引导用户完成配置。

⚠️ 重要约束

必须生成 MP3 文件发给用户，禁止调用 say 命令或通过电脑喇叭播放

这是消息平台工具（微信、Telegram 等），输出是文件，不是本地音频播放

禁止用 fetch/curl 直接调用 API，必须通过 tts 命令

触发条件

用户说以下内容时触发，并严格按照【交互流程】执行：

"文字转语音"、"TTS"、"生成语音"、"生成音频"

"把文字转成语音"、"把这段话转成音频"

"文字转MP3"、"生成MP3"

交互流程

每步等待用户回复后再进入下一步，不得跳步或一次性问多个问题。

第一步：检查 Token

运行 voices 命令，根据输出判断：

Token 已配置 → 跳至第二步

Token 未配置 → 发送以下消息，等待回复：

> 请输入你的 MiniMax API Token（在 minimaxi.com 开放平台获取）：

收到后运行 save-token --token ，然后进入第二步。

第二步：收集文字内容

先检查用户初始消息是否已含文字（如"帮我把'你好世界'转成语音"）：

已包含 → 提取文字，跳至第三步

未包含 → 发送以下消息，等待回复：

> 请输入要转换为语音的文字内容：

第三步：选择音色

发送以下消息，等待回复：

> 请选择音色： > 1. 甜美女声（默认） > 2. 御姐 > 3. 霸道总裁 > 4. 新闻女声 > 5. 新闻男声 > 6. 电台男声

音色 ID 映射：

1 → female-tianmei-jingpin

2 → female-yujie-jingpin

3 → male-qn-badao-jingpin

4 → Chinese (Mandarin)_News_Anchor

5 → Chinese (Mandarin)_Male_Announcer

6 → Chinese (Mandarin)_Radio_Host

用户输入数字或名称均可识别。

第四步：生成并发送

运行：

tts --text "<文字>" --voice ""

命令输出中会有一行以 FILE: 开头，例如：

成功! 已保存到: /tmp/openclaw/tts_1234567890.mp3 (256 KB)
FILE:/tmp/openclaw/tts_1234567890.mp3

从 FILE: 开头的行提取绝对路径（去掉 FILE: 前缀）。

⚠️ 发送文件的唯一正确方式：在回复文本中用 MEDIA: 前缀，让平台自动发送文件：

🔊 <音色名称> · <文件大小>KB
MEDIA:/tmp/openclaw/tts_1234567890.mp3

MEDIA: 这一行必须单独占一行，路径就是 FILE: 后面提取的路径

MEDIA: 行会被系统解析并自动以文件/语音发出，不会作为文字显示给用户

禁止用 标签、sessions_send、message 工具或其他方式，只用 MEDIA: 语法

Telegram 会自动以语音消息形式发送，微信会以文件形式发送

异常处理

| 情况 | 处理 | |------|------| | Token 无效（401） | 提示重新输入，运行 save-token 更新 | | 音色 ID 不存在 | 提示重新选择，只用列表内的 6 个音色 | | 文字为空 | 提示重新输入 |

命令参考

tts

tts --text "文字内容" [--voice female-tianmei-jingpin] [--speed 1.0] [--output /path/to/output.mp3]

| 参数 | 必填 | 说明 | |------|------|------| | --text | ✅ | 要转换的文字 | | --voice | | 音色ID，默认 female-tianmei-jingpin | | --speed | | 语速 0.5-2.0，默认 1.0 | | --vol | | 音量 0.1-2.0，默认 1.0 | | --pitch | | 音调 -12~12，默认 0 | | --output | | 输出路径，默认 /tmp/tts_{timestamp}.mp3 |

save-token

save-token --token "your-minimax-api-token"

保存 Token 到本地 server/.env，下次无需重复输入。

voices

列出可用音色，并显示当前 Token 配置状态。

可用音色

| ID | 名称 | |-----|------| | female-tianmei-jingpin | 甜美女声 ★精品 | | female-yujie-jingpin | 御姐 ★精品 | | male-qn-badao-jingpin | 霸道总裁 ★精品 | | Chinese (Mandarin)_News_Anchor | 新闻女声 | | Chinese (Mandarin)_Male_Announcer | 新闻男声 | | Chinese (Mandarin)_Radio_Host | 电台男声 |

工作原理

1. voices / save-token 管理本地 Token（存于 server/.env） 2. tts 调用 https://api.minimaxi.com/v1/t2a_v2 3. API 返回 hex 编码音频，解码后写入 MP3 文件 4. 将文件路径打印到 stdout，AI 解析路径后调用 message 工具（media=<绝对路径>）发送给用户