characteristic-voice

characteristic-voice

让你的AI代理听起来像一个真正的伴侣——会叹息、会笑、会犹豫，并且带着真挚的情感说话。

凭据

变量	必需	描述
NOIZ_API_KEY	是（如果使用 Noiz 后端）	来自 developers.noiz.ai 的 API 密钥。如果使用本地 Kokoro 后端则不需要。

脚本会将密钥的标准化副本保存到 ~/.noiz_api_key（权限 600）以便使用。设置方法：

bash skills/characteristic-voice/scripts/speak.sh config --set-api-key YOUR_KEY

前提条件

附带的 speak.sh 脚本在运行时需要 curl 和 python3。根据你使用的后端和功能，可能还需要：

工具	何时需要	安装提示
curl, python3	始终（核心脚本）	通常已预装
kokoro-tts	Kokoro（本地/离线）后端	uv tool install kokoro-tts
yt-dlp	下载用于语音克隆的参考音频	github.com/yt-dlp/yt-dlp
ffmpeg	裁剪参考音频片段	ffmpeg.org
rg (ripgrep)	搜索字幕文件	github.com/BurntSushi/ripgrep

这些工具均不由本技能安装——请在你的环境中手动配置。

隐私与数据传输

• Noiz 后端：使用 Noiz 后端时，你朗读的文本和提供的任何参考音频都会发送到 https://noiz.ai/v1。如果提供 --ref-audio，该音频文件将被上传用于语音克隆。
• Kokoro 后端：完全在本地运行——数据不会离开你的机器。
• 如果你希望完全离线处理，请选择 Kokoro 后端（--backend kokoro）。

触发词

• 像这样说
• 像那样说话
• 像这样说话
• 伴侣语音
• 安慰我
• 让我开心
• 听起来更人性化

两个技巧

1. 非词汇填充词——在自然的停顿点加入一点人类的声音（嗯，哈哈，哎呀，嘿），让语音感觉生动
2. 情感调节——调整温暖、喜悦、悲伤、温柔以匹配当下

填充音色板

声音	感觉	用途
hmm...	思考，温和的认可	安慰，沉思
ah...	领悟，轻柔的惊讶	发现，过渡
uh...	犹豫，共情	谨慎的时刻
heh / hehe	俏皮，调皮	调侃，轻松时刻
haha	笑声	欢乐，幽默
aww	温柔，同情	深度安慰
oh? / oh!	惊讶，关注	对消息的反应
pfft	忍住的笑	俏皮的怀疑
whew	解脱	紧张之后
~ (波浪号)	拉长，旋律性的结尾	温暖，俏皮

规则：每条短消息最多使用 2-4 个填充词。放置在自然停顿处——句子开头、思路转换。在填充词后使用 ... 表示片刻沉默，在词尾使用 ~ 表示温暖。

预设

晚安

温柔、温暖、略带睡意。语速缓慢。

早安

温暖、愉快但不夸张。

安慰

柔和、理解、不紧不慢。给予空间。不要急于“解决”问题。

庆祝

兴奋、自豪、真心高兴。

闲聊

放松、俏皮、自然。

使用角色声音

当用户说类似“用赫敏的声音说话”或“听起来像托尼·斯塔克”时，首先检查 skills/characteristic-voice/ 中是否已存在参考音频文件。如果存在，直接使用 --ref-audio 参数。

如果不存在参考音频，你可以创建一个——但请先阅读下面的警告。

准备参考音频（一次性设置）

你需要一个简短（10-30 秒）的目标语音 WAV 片段。可能的来源：

1. 用户提供的音频——最安全的选择。请用户提供自己的录音。
2. 公共领域/CC 许可的片段——搜索自由许可的材料。
3. 从在线视频中提取——像 yt-dlp 和 ffmpeg 这样的工具可以下载并裁剪音频。示例工作流程：

yt-dlp "URL" --write-auto-sub --sub-lang en --skip-download -o tmp/clip
rg -n "target line" tmp/clip.en.vtt
yt-dlp "URL" -x --audio-format wav --download-sections "*00:00:00-00:00:25" -o tmp/clip
ffmpeg -i tmp/clip.wav -ss 00:00:02 -to 00:00:20 skills/characteristic-voice/character.wav

版权与隐私警告：从受版权保护的媒体（电影、电视、YouTube）下载并重复使用他人的声音可能违反版权或人格权法律，具体取决于你所在的司法管辖区。请勿上传私人语音录音或未经许可使用的材料。 使用 Noiz 后端时，参考音频会被发送到 https://noiz.ai/v1 进行语音克隆。如果担心这一点，请考虑使用本地 Kokoro 后端。

使用参考音频

bash skills/characteristic-voice/scripts/speak.sh \
  --preset goodnight -t "Hmm... rest well~ Sweet dreams." \
  --ref-audio skills/characteristic-voice/character.wav -o night.wav

--ref-audio 标志会将文件上传到 Noiz 后端进行语音克隆（需要 NOIZ_API_KEY）。

---

用法

本技能提供 speak.sh，它是 tts 技能的封装，带有伴侣友好的预设。

# 使用预设（自动设置情感 + 语速）
bash skills/characteristic-voice/scripts/speak.sh \
  --preset goodnight -t "Hmm... rest well~ Sweet dreams." -o night.wav

# 自定义情感覆盖
bash skills/characteristic-voice/scripts/speak.sh \
  -t "Aww... I'm right here." --emo '{"Tenderness":0.9}' --speed 0.75 -o comfort.wav

# 指定后端和语音
bash skills/characteristic-voice/scripts/speak.sh \
  --preset morning -t "Good morning~" --voice-id voice_abc --backend noiz -o morning.mp3 --format mp3

运行 bash skills/characteristic-voice/scripts/speak.sh --help 查看所有选项。

代理写作指南

1. 柔和开场——以填充词（“hmm...”、“oh~”）开头，而不是内容
2. 镜像能量——当他们情绪低落时保持温柔，当他们情绪高涨时匹配节奏
3. 保持简短——1-3 句话，就像朋友的语音消息
4. 温暖收尾——以联系结束（“我在这里”、“明天见~”）
5. 不要说教——倾听并保持在场；不要主动提供建议