Chuyển văn bản thành giọng nói

OpenClaw chuyển đổi các phản hồi gửi đi thành âm thanh qua 14 nhà cung cấp giọng nói: tin nhắn thoại gốc trên Feishu, Matrix, Telegram và WhatsApp; tệp đính kèm âm thanh ở mọi nơi khác; cùng luồng PCM/Ulaw cho điện thoại và Talk.

TTS là phần đầu ra giọng nói trong chế độ stt-tts của Talk (talk.speak gọi cùng luồng tổng hợp này). Thay vào đó, các phiên Talk realtime gốc của nhà cung cấp tổng hợp giọng nói bên trong nhà cung cấp thời gian thực; các phiên transcription không bao giờ tổng hợp phản hồi bằng giọng nói của trợ lý.

Bắt đầu nhanh

{  messages: {    tts: {      auto: "always",      provider: "elevenlabs",    },  },}

Các nhà cung cấp được hỗ trợ

Nếu cấu hình nhiều nhà cung cấp, nhà cung cấp được chọn sẽ được sử dụng trước và các nhà cung cấp còn lại là tùy chọn dự phòng. Tính năng tự động tóm tắt sử dụng summaryModel (hoặc agents.defaults.model.primary), vì vậy nhà cung cấp đó cũng phải được xác thực nếu bạn vẫn bật tính năng tóm tắt.

Cấu hình

Cấu hình TTS nằm trong messages.tts tại ~/.openclaw/openclaw.json. Chọn một cấu hình đặt sẵn và điều chỉnh khối nhà cung cấp. Các trường speakerVoice/speakerVoiceId hiển thị bên dưới là chính tắc; tên trường voice/voiceId/ voiceName riêng của từng nhà cung cấp vẫn hoạt động dưới dạng bí danh cũ.

{messages: {tts: {  auto: "always",  provider: "azure-speech",  providers: {    "azure-speech": {      apiKey: "${AZURE_SPEECH_KEY}",      region: "eastus",      speakerVoice: "en-US-JennyNeural",      lang: "en-US",      outputFormat: "audio-24khz-48kbitrate-mono-mp3",      voiceNoteOutputFormat: "ogg-24khz-16bit-mono-opus",    },  },},},}

{messages: {tts: {  auto: "always",  provider: "elevenlabs",  providers: {    elevenlabs: {      apiKey: "${ELEVENLABS_API_KEY}",      model: "eleven_multilingual_v2",      speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",    },  },},},}

{messages: {tts: {  auto: "always",  provider: "google",  providers: {    google: {      apiKey: "${GEMINI_API_KEY}",      model: "gemini-3.1-flash-tts-preview",      speakerVoice: "Kore",      // Lời nhắc kiểu ngôn ngữ tự nhiên tùy chọn:      // audioProfile: "Nói bằng giọng điệu bình tĩnh như người dẫn podcast.",      // speakerName: "Alex",    },  },},},}

{messages: {tts: {  auto: "always",  provider: "gradium",  providers: {    gradium: {      apiKey: "${GRADIUM_API_KEY}",      speakerVoiceId: "YTpq7expH9539ERJ",    },  },},},}

{messages: {tts: {  auto: "always",  provider: "inworld",  providers: {    inworld: {      apiKey: "${INWORLD_API_KEY}",      modelId: "inworld-tts-1.5-max",      speakerVoiceId: "Sarah",      temperature: 0.7,    },  },},},}

{messages: {tts: {  auto: "always",  provider: "tts-local-cli",  providers: {    "tts-local-cli": {      command: "say",      args: ["-o", "{{OutputPath}}", "{{Text}}"],      outputFormat: "wav",      timeoutMs: 120000,    },  },},},}

{messages: {tts: {  auto: "always",  provider: "microsoft",  providers: {    microsoft: {      enabled: true,      speakerVoice: "en-US-MichelleNeural",      lang: "en-US",      outputFormat: "audio-24khz-48kbitrate-mono-mp3",      rate: "+0%",      pitch: "+0%",    },  },},},}

{messages: {tts: {  auto: "always",  provider: "minimax",  providers: {    minimax: {      apiKey: "${MINIMAX_API_KEY}",      model: "speech-2.8-hd",      speakerVoiceId: "English_expressive_narrator",      speed: 1.0,      vol: 1.0,      pitch: 0,    },  },},},}

{messages: {tts: {  auto: "always",  provider: "openai",  summaryModel: "openai/gpt-4.1-mini",  modelOverrides: { enabled: true },  providers: {    openai: {      apiKey: "${OPENAI_API_KEY}",      model: "gpt-4o-mini-tts",      speakerVoice: "alloy",    },    elevenlabs: {      apiKey: "${ELEVENLABS_API_KEY}",      model: "eleven_multilingual_v2",      speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",      voiceSettings: { stability: 0.5, similarityBoost: 0.75, style: 0.0, useSpeakerBoost: true, speed: 1.0 },      applyTextNormalization: "auto",      languageCode: "en",    },  },},},}

{messages: {tts: {  auto: "always",  provider: "openrouter",  providers: {    openrouter: {      apiKey: "${OPENROUTER_API_KEY}",      model: "hexgrad/kokoro-82m",      speakerVoice: "af_alloy",      responseFormat: "mp3",    },  },},},}

{messages: {tts: {  auto: "always",  provider: "volcengine",  providers: {    volcengine: {      apiKey: "${VOLCENGINE_TTS_API_KEY}",      resourceId: "seed-tts-1.0",      speakerVoice: "en_female_anna_mars_bigtts",    },  },},},}

{messages: {tts: {  auto: "always",  provider: "xai",  providers: {    xai: {      apiKey: "${XAI_API_KEY}",      speakerVoiceId: "eve",      language: "en",      responseFormat: "mp3",    },  },},},}

{messages: {tts: {  auto: "always",  provider: "xiaomi",  providers: {    xiaomi: {      apiKey: "${XIAOMI_API_KEY}",      model: "mimo-v2.5-tts",      speakerVoice: "mimo_default",      format: "mp3",    },  },},},}

Đối với Xiaomi mimo-v2.5-tts-voicedesign, hãy bỏ qua speakerVoice và đặt style thành lời nhắc thiết kế giọng nói. OpenClaw gửi lời nhắc đó dưới dạng thông điệp TTS user và không gửi audio.voice cho mô hình voicedesign.

Ghi đè giọng nói theo từng agent

Sử dụng agents.list[].tts khi một agent cần phát giọng nói bằng provider, giọng nói, mô hình, persona hoặc chế độ TTS tự động khác. Khối agent được hợp nhất sâu lên trên messages.tts, vì vậy thông tin xác thực của provider có thể giữ nguyên trong cấu hình provider toàn cục:

{  messages: {    tts: {      auto: "always",      provider: "elevenlabs",      providers: {        elevenlabs: { apiKey: "${ELEVENLABS_API_KEY}", model: "eleven_multilingual_v2" },      },    },  },  agents: {    list: [      {        id: "reader",        tts: {          providers: {            elevenlabs: { speakerVoiceId: "EXAVITQu4vr4xnSDxMaL" },          },        },      },    ],  },}

Để cố định một persona theo từng agent, hãy đặt agents.list[].tts.persona cùng với cấu hình provider — giá trị này chỉ ghi đè messages.tts.persona toàn cục cho agent đó.

Thứ tự ưu tiên cho phản hồi tự động, /tts audio, /tts status và công cụ agent tts:

1. messages.tts
2. agents.list[].tts đang hoạt động
3. ghi đè kênh, khi kênh hỗ trợ channels.<channel>.tts
4. ghi đè tài khoản, khi kênh truyền channels.<channel>.accounts.<id>.tts
5. tùy chọn /tts cục bộ cho máy chủ này
6. chỉ thị [[tts:...]] nội tuyến khi ghi đè theo mô hình được bật

Các ghi đè kênh và tài khoản sử dụng cùng cấu trúc với messages.tts và được hợp nhất sâu lên trên các lớp trước đó, vì vậy thông tin xác thực dùng chung của provider có thể giữ nguyên trong messages.tts, còn một kênh hoặc tài khoản bot chỉ thay đổi giọng người nói, mô hình, persona hoặc chế độ tự động:

{  messages: {    tts: {      provider: "openai",      providers: {        openai: { apiKey: "${OPENAI_API_KEY}", model: "gpt-4o-mini-tts" },      },    },  },  channels: {    feishu: {      accounts: {        english: {          tts: {            providers: {              openai: { speakerVoice: "shimmer" },            },          },        },      },    },  },}

Persona

Một persona là danh tính giọng nói ổn định có thể được áp dụng một cách xác định trên nhiều provider. Persona có thể ưu tiên một provider, xác định ý định prompt trung lập với provider và chứa các liên kết riêng cho từng provider đối với giọng nói, mô hình, mẫu prompt, seed và cài đặt giọng nói.

Persona tối thiểu

{  messages: {    tts: {      auto: "always",      persona: "narrator",      personas: {        narrator: {          label: "Người dẫn chuyện",          provider: "elevenlabs",          providers: {            elevenlabs: {              speakerVoiceId: "EXAVITQu4vr4xnSDxMaL",              modelId: "eleven_multilingual_v2",            },          },        },      },    },  },}

Persona đầy đủ (prompt trung lập với provider)

{  messages: {    tts: {      auto: "always",      persona: "alfred",      personas: {        alfred: {          label: "Alfred",          description: "Người dẫn chuyện quản gia Anh điềm tĩnh, ấm áp.",          provider: "google",          fallbackPolicy: "preserve-persona",          prompt: {            profile: "Một quản gia Anh xuất sắc. Điềm tĩnh, dí dỏm, ấm áp, cuốn hút, giàu biểu cảm, không bao giờ chung chung.",            scene: "Một phòng làm việc yên tĩnh vào đêm khuya. Lời kể thu gần mic dành cho một người vận hành đáng tin cậy.",            sampleContext: "Người nói đang trả lời một yêu cầu kỹ thuật riêng tư với sự tự tin súc tích và nét ấm áp điềm tĩnh.",            style: "Tinh tế, kín đáo, hơi thích thú.",            accent: "Tiếng Anh Anh.",            pacing: "Nhịp độ vừa phải, với các khoảng dừng kịch tính ngắn.",            constraints: ["Không đọc thành tiếng các giá trị cấu hình.", "Không giải thích persona."],          },          providers: {            google: {              model: "gemini-3.1-flash-tts-preview",              speakerVoice: "Algieba",              promptTemplate: "audio-profile-v1",            },            openai: { model: "gpt-4o-mini-tts", speakerVoice: "cedar" },            elevenlabs: {              speakerVoiceId: "voice_id",              modelId: "eleven_multilingual_v2",              seed: 42,              voiceSettings: {                stability: 0.65,                similarityBoost: 0.8,                style: 0.25,                useSpeakerBoost: true,                speed: 0.95,              },            },          },        },      },    },  },}

Phân giải persona

Persona đang hoạt động được chọn một cách xác định:

1. Tùy chọn /tts persona <id> cục bộ, nếu đã đặt.
2. messages.tts.persona, nếu đã đặt.
3. Không có persona.

Việc chọn provider ưu tiên giá trị rõ ràng trước:

1. Ghi đè trực tiếp (CLI, Gateway, Talk, các chỉ thị TTS được phép).
2. Tùy chọn /tts provider <id> cục bộ.
3. provider của persona đang hoạt động.
4. messages.tts.provider.
5. Tự động chọn từ registry.

Với mỗi lần thử provider, OpenClaw hợp nhất cấu hình theo thứ tự sau:

1. messages.tts.providers.<id>
2. messages.tts.personas.<persona>.providers.<id>
3. Ghi đè từ yêu cầu đáng tin cậy
4. Ghi đè từ chỉ thị TTS do mô hình tạo ra được phép

Cách các provider sử dụng prompt persona

Các trường prompt persona (profile, scene, sampleContext, style, accent, pacing, constraints) trung lập với provider. Mỗi provider tự quyết định cách sử dụng chúng:

Chính sách dự phòng

fallbackPolicy kiểm soát hành vi khi một persona không có liên kết cho provider đang được thử:

Toàn bộ yêu cầu TTS chỉ thất bại khi mọi provider được thử đều bị bỏ qua hoặc thất bại.

Việc chọn provider cho phiên Talk có phạm vi theo phiên. Client Talk nên chọn ID provider, ID mô hình, ID giọng nói và locale từ talk.catalog rồi truyền chúng qua yêu cầu phiên Talk hoặc yêu cầu chuyển giao. Việc mở một phiên giọng nói không được thay đổi messages.tts hoặc các giá trị mặc định provider Talk toàn cục.

Chỉ thị do mô hình điều khiển

Theo mặc định, trợ lý có thể phát ra các chỉ thị [[tts:...]] để ghi đè giọng nói, mô hình hoặc tốc độ cho một phản hồi duy nhất, cùng với một khối [[tts:text]]...[[/tts:text]] tùy chọn dành cho các tín hiệu biểu cảm chỉ nên xuất hiện trong âm thanh:

Đây nhé. [[tts:speakerVoiceId=pMsXgVXv3BLzUgSXRplE model=eleven_v3 speed=1.1]][[tts:text]](cười) Đọc lại bài hát một lần nữa.[[/tts:text]]

Khi messages.tts.auto là "tagged", bắt buộc phải có chỉ thị để kích hoạt âm thanh. Việc phân phối khối theo luồng loại bỏ các chỉ thị khỏi văn bản hiển thị trước khi kênh nhận được chúng, ngay cả khi chúng bị tách qua các khối liền kề.

provider=... bị bỏ qua trừ khi modelOverrides.allowProvider: true. Khi một phản hồi khai báo provider=..., các khóa khác trong chỉ thị đó chỉ được phân tích bởi provider đó; các khóa không được hỗ trợ sẽ bị loại bỏ và được báo cáo dưới dạng cảnh báo chỉ thị TTS.

Các khóa chỉ thị khả dụng:

• provider (ID provider đã đăng ký; yêu cầu allowProvider: true)
• speakerVoice / speakerVoiceId (bí danh cũ: voice, voiceName, voice_name, google_voice, voiceId)
• model / google_model
• stability, similarityBoost, style, speed, useSpeakerBoost
• vol / volume (âm lượng MiniMax, (0, 10])
• pitch (cao độ số nguyên MiniMax, −12 đến 12; các giá trị phân số bị cắt bỏ)
• emotion (thẻ cảm xúc Volcengine)
• applyTextNormalization (auto|on|off)
• languageCode (ISO 639-1)
• seed

Tắt hoàn toàn ghi đè theo mô hình:

{ messages: { tts: { modelOverrides: { enabled: false } } } }

Cho phép chuyển đổi provider trong khi vẫn có thể cấu hình các tham số khác:

{ messages: { tts: { modelOverrides: { enabled: true, allowProvider: true, allowSeed: false } } } }

Lệnh gạch chéo

Một lệnh duy nhất /tts. Trên Discord, OpenClaw cũng đăng ký /voice vì /tts là lệnh tích hợp sẵn của Discord — văn bản /tts ... vẫn hoạt động.

/tts off | on | status/tts chat on | off | default/tts latest/tts provider <id>/tts persona <id> | off/tts limit <chars>/tts summary off/tts audio <text>

Ghi chú về hành vi:

• /tts on ghi tùy chọn TTS cục bộ vào always; /tts off ghi tùy chọn đó vào off.
• /tts chat on|off|default ghi một giá trị ghi đè TTS tự động có phạm vi phiên cho cuộc trò chuyện hiện tại.
• /tts persona <id> ghi tùy chọn persona cục bộ; /tts persona off xóa tùy chọn đó.
• /tts latest đọc phản hồi mới nhất của trợ lý từ bản chép lời phiên hiện tại và gửi phản hồi đó dưới dạng âm thanh một lần. Lệnh chỉ lưu hàm băm của phản hồi đó trong mục nhập phiên để ngăn gửi giọng nói trùng lặp.
• /tts audio tạo phản hồi âm thanh dùng một lần (không bật TTS).
• /tts limit <chars> chấp nhận 100–4096 (4096 là giới hạn tối đa của chú thích/tin nhắn Telegram); các giá trị ngoài phạm vi đó bị từ chối.
• limit và summary được lưu trong tùy chọn cục bộ, không phải cấu hình chính.
• /tts status bao gồm thông tin chẩn đoán dự phòng cho lần thử gần nhất — Fallback: <primary> -> <used>, Attempts: ... và chi tiết theo từng lần thử (provider:outcome(reasonCode) latency).
• /status hiển thị chế độ TTS đang hoạt động cùng với provider, mô hình, giọng nói đã cấu hình và siêu dữ liệu endpoint tùy chỉnh đã được làm sạch khi TTS được bật.

Tùy chọn theo từng người dùng

Các lệnh gạch chéo ghi các giá trị ghi đè cục bộ vào prefsPath. Giá trị mặc định là ~/.openclaw/settings/tts.json; ghi đè bằng biến môi trường OPENCLAW_TTS_PREFS hoặc messages.tts.prefsPath.

Các giá trị này ghi đè cấu hình có hiệu lực từ messages.tts cùng với khối agents.list[].tts đang hoạt động cho máy chủ đó.

Định dạng đầu ra

Việc gửi giọng nói TTS phụ thuộc vào khả năng của kênh. Các plugin kênh khai báo liệu TTS kiểu giọng nói có nên yêu cầu nhà cung cấp tạo đích voice-note gốc hay giữ phương thức tổng hợp audio-file thông thường, cũng như liệu kênh có chuyển mã đầu ra không phải định dạng gốc trước khi gửi hay không.

Ghi chú theo từng nhà cung cấp:

• Chuyển mã Feishu / WhatsApp: khi phản hồi tin nhắn thoại có định dạng MP3/WebM/WAV/M4A hoặc một tệp có khả năng là âm thanh khác, plugin kênh sẽ chuyển mã tệp đó thành Ogg/Opus 48 kHz bằng ffmpeg (libopus, 64 kbps) trước khi gửi tin nhắn thoại gốc. WhatsApp gửi kết quả qua payload Baileys audio với ptt: true và audio/ogg; codecs=opus. Khi chuyển mã thất bại: Feishu bắt lỗi và chuyển sang gửi tệp gốc dưới dạng tệp đính kèm thông thường; WhatsApp không có phương án dự phòng, vì vậy thao tác gửi sẽ thất bại thay vì đăng payload PTT không tương thích.
• MiniMax: MP3 (mô hình speech-2.8-hd, tốc độ lấy mẫu 32 kHz) cho tệp đính kèm âm thanh thông thường; được chuyển mã thành Opus 48 kHz bằng ffmpeg cho các đích tin nhắn thoại do kênh khai báo.
• Xiaomi MiMo: MP3 theo mặc định, hoặc WAV khi được cấu hình; được chuyển mã thành Opus 48 kHz bằng ffmpeg cho các đích tin nhắn thoại do kênh khai báo.
• CLI cục bộ: sử dụng outputFormat đã cấu hình. Các đích tin nhắn thoại được chuyển đổi thành Ogg/Opus và đầu ra điện thoại được chuyển đổi thành PCM đơn kênh 16 kHz thô bằng ffmpeg.
• Google Gemini: trả về PCM 24 kHz thô. OpenClaw đóng gói thành WAV cho tệp đính kèm âm thanh, chuyển mã thành Opus 48 kHz cho đích tin nhắn thoại và trả về PCM trực tiếp cho Talk/điện thoại.
• Gradium: WAV cho tệp đính kèm âm thanh, Opus cho đích tin nhắn thoại và ulaw_8000 ở 8 kHz cho điện thoại.
• Inworld: MP3 cho tệp đính kèm âm thanh thông thường, OGG_OPUS gốc cho đích tin nhắn thoại và PCM thô ở 22050 Hz cho Talk/điện thoại.
• xAI: MP3 theo mặc định; quá trình tổng hợp tệp âm thanh có thể sử dụng mp3, wav, pcm, mulaw hoặc alaw cho cả đầu ra có bộ đệm và đầu ra truyền trực tiếp. Các đích tin nhắn thoại sử dụng MP3 cho đầu ra truyền trực tiếp và phương án dự phòng có bộ đệm vì các đầu ra pcm, mulaw và alaw của xAI là âm thanh thô không có header. Quá trình tổng hợp có bộ đệm sử dụng endpoint REST hàng loạt /v1/tts của xAI; textToSpeechStream sử dụng wss://api.x.ai/v1/tts gốc. Đây không phải là hợp đồng giọng nói thời gian thực. Định dạng tin nhắn thoại Opus gốc không được hỗ trợ.
• Microsoft: sử dụng microsoft.outputFormat (mặc định audio-24khz-48kbitrate-mono-mp3).
  • Lớp truyền tải đi kèm chấp nhận outputFormat, nhưng dịch vụ không cung cấp mọi định dạng.
  • Các giá trị định dạng đầu ra tuân theo định dạng đầu ra Microsoft Speech (bao gồm Ogg/WebM Opus).
  • sendVoice của Telegram chấp nhận OGG/MP3/M4A; hãy sử dụng OpenAI/ElevenLabs nếu bạn cần đảm bảo tin nhắn thoại Opus.
  • Nếu định dạng đầu ra Microsoft đã cấu hình thất bại, OpenClaw sẽ thử lại bằng MP3.
  • Khi không đặt ghi đè giọng nói rõ ràng và sử dụng giọng tiếng Anh mặc định, OpenClaw tự động chuyển sang giọng nơ-ron tiếng Trung (zh-CN-XiaoxiaoNeural, locale zh-CN) nếu văn bản phản hồi chủ yếu là CJK.

Định dạng đầu ra của OpenAI và ElevenLabs được cố định theo từng kênh như liệt kê ở trên.

Hành vi TTS tự động

Khi messages.tts.auto được bật, OpenClaw:

• Bỏ qua TTS nếu phản hồi đã chứa nội dung đa phương tiện có cấu trúc.
• Bỏ qua các phản hồi rất ngắn (dưới 10 ký tự).
• Tóm tắt các phản hồi dài khi tính năng tóm tắt được bật, bằng summaryModel (hoặc agents.defaults.model.primary).
• Đính kèm âm thanh được tạo vào phản hồi.
• Trong mode: "final", vẫn gửi TTS chỉ có âm thanh cho phản hồi cuối được truyền trực tiếp sau khi luồng văn bản hoàn tất; nội dung đa phương tiện được tạo trải qua cùng quy trình chuẩn hóa nội dung đa phương tiện của kênh như các tệp đính kèm phản hồi thông thường.

Nếu phản hồi vượt quá maxLength, OpenClaw tuyệt đối không bỏ qua âm thanh:

• Bật tóm tắt (mặc định) và có mô hình tóm tắt: tóm tắt văn bản còn khoảng maxLength ký tự, sau đó tổng hợp bản tóm tắt.
• Tắt tóm tắt, quá trình tóm tắt thất bại hoặc không có khóa API cho mô hình tóm tắt: cắt ngắn văn bản còn maxLength ký tự và tổng hợp văn bản đã cắt ngắn.

Phản hồi -> TTS đã bật?  không -> gửi văn bản  có    -> có nội dung đa phương tiện / ngắn?            có    -> gửi văn bản            không -> độ dài > giới hạn?                       không -> TTS -> đính kèm âm thanh                       có    -> tóm tắt đã bật và khả dụng?                                  không -> cắt ngắn -> TTS -> đính kèm âm thanh                                  có    -> tóm tắt -> TTS -> đính kèm âm thanh

Tham chiếu trường

Công cụ của agent

Công cụ tts chuyển đổi văn bản thành giọng nói và trả về tệp âm thanh đính kèm để gửi trong câu trả lời. Trên Feishu, Matrix, Telegram và WhatsApp, âm thanh được gửi dưới dạng tin nhắn thoại thay vì tệp đính kèm. Feishu và WhatsApp có thể chuyển mã đầu ra TTS không phải Opus trên đường dẫn này khi có ffmpeg.

WhatsApp gửi âm thanh qua Baileys dưới dạng ghi chú thoại PTT (audio với ptt: true) và gửi văn bản hiển thị riêng biệt với âm thanh PTT vì các ứng dụng khách không hiển thị chú thích trên ghi chú thoại một cách nhất quán.

Công cụ chấp nhận các trường channel và timeoutMs không bắt buộc; timeoutMs là thời gian chờ yêu cầu tới nhà cung cấp cho mỗi lần gọi, tính bằng mili giây. Các giá trị cho mỗi lần gọi ghi đè messages.tts.timeoutMs; thời gian chờ TTS đã cấu hình ghi đè mọi giá trị mặc định của nhà cung cấp do plugin đặt.

RPC của Gateway

Liên kết dịch vụ

• Hướng dẫn chuyển văn bản thành giọng nói của OpenAI
• Tài liệu tham khảo OpenAI Audio API
• Chuyển văn bản thành giọng nói bằng Azure Speech REST
• Nhà cung cấp Azure Speech
• Chuyển văn bản thành giọng nói của ElevenLabs
• Xác thực ElevenLabs
• Gradium
• API TTS của Inworld
• API MiniMax T2A v2
• API HTTP TTS của Volcengine
• Tổng hợp giọng nói Xiaomi MiMo
• node-edge-tts
• Các định dạng đầu ra giọng nói của Microsoft
• Chuyển văn bản thành giọng nói của xAI

Liên quan

• Tổng quan về phương tiện
• Tạo nhạc
• Tạo video
• Lệnh gạch chéo
• Plugin cuộc gọi thoại