微信扫一扫🎙️ QClaw Speaker — 让 AI 自然开口说话
四引擎本地轻量 CPU TTS 语音播报系统。无需 GPU，无需云 API，13MB 模型即可在 CPU 上实时合成中文语音，流畅度媲美云服务。
如果说
video-subtitle-extractor是给大模型装上了"视频字幕眼睛"， 那么qclaw-speaker就是给它装上了"嘴巴"，像豆包一样自然开口！
🚀 Quick Start
# 一键安装（2引擎 + 默认音色）
python scripts/install.py
# 说话！
python scripts/speak.py "你好，我是QClaw，很高兴为你服务！"
python scripts/speak.py "大家好" --voice yunxi # 男声
python scripts/speak.py "离线播报" --engine sherpa # 本地离线
python scripts/speak.py "系统原生" --engine win # Windows自带
# 切换默认音色
python scripts/speak.py --set-voice xiao_ya
# 开启自动播报
python scripts/speak.py --auto-speak on
📊 2025-2026 本地轻量 CPU 中文 TTS 模型全景对比
技能内置引擎对比
| 排名 | 引擎 | 大小 | RAM | 中文 | CPU速度 | 流式 | 离线 | 说明 | |:----:|------|-----:|----:|:----:|--------|:----:|:----:|------| | 🥇 | Edge TTS | 0 | ~50MB | ⭐⭐⭐⭐⭐ | <1s | ✅ | ❌ | 微软神经TTS，免费在线 | | 🥈 | Sherpa+Piper | 13MB | ~200MB | ⭐⭐⭐⭐ | RTF 0.05 | ✅ | ✅ | ONNX推理，CPU极快 | | 🥉 | Windows SAPI | 0 | ~50MB | ⭐⭐⭐ | <0.1s | ❌ | ✅ | 系统原生，零配置 |
其他值得关注的候选（可扩展）
| 模型 | 大小 | RAM | 中文 | CPU速度 | 流式 | 优势 | |------|-----:|----:|:----:|--------|:----:|------| | Kokoro v1.0 | 85MB | ~500MB | ⭐⭐⭐⭐ | RTF 0.04 | ✅ | 多语言，极快，ONNX | | Piper C++ 原生 | 30MB | ~300MB | ⭐⭐⭐⭐ | RTF 0.03 | ✅ | 纯C++，最快，独立 | | Matcha-TTS | 72MB | ~500MB | ⭐⭐⭐⭐⭐ | RTF 0.05 | ✅ | 中文轻量最优质量 | | ChatTTS 2.0 | 600MB | ~2GB | ⭐⭐⭐⭐⭐ | RTF 0.5 | ❌ | 最自然人声(非实时) | | MeloTTS | 160MB | ~1GB | ⭐⭐⭐⭐ | 快 | ❌ | MIT开源，微软出品 | | ZipVoice(int8) | 104MB | ~600MB | ⭐⭐⭐⭐⭐ | RTF 0.08 | ✅ | 中英混合极好 | | espeak-ng | 6MB | ~100MB | ⭐⭐ | 闪电 | ✅ | 超轻量，全语言 |
决策指南
需要离线？ ─YES→ 选择 Sherpa+Piper (13MB) 或 Windows SAPI (0MB)
需要实时流式？ ─YES→ Edge TTS / Sherpa / Kokoro
最小RAM？ ─→ Windows SAPI (50MB) / Sherpa (200MB)
最佳中文？ ─→ Edge TTS (在线) / Matcha-TTS (离线72MB)
最快速度？ ─→ Piper C++ 原生 (RTF 0.03) / Kokoro (RTF 0.04)
🎤 四引擎详解
| 特性 | ☁️ Edge TTS | 🏠 Sherpa+Piper | 💻 Win SAPI |
|------|-------------|----------------|-------------|
| 网络 | 需要 | 无需 ✅ | 无需 ✅ |
| 模型下载 | 零 | 13MB | 零 |
| RAM占用 | ~50MB | ~200MB | ~50MB |
| 首字延迟 | ~0.5s | <0.1s | <0.05s |
| 中文音色 | 6款 | 3款 | 1款 |
| 流式输出 | ✅ | ✅ | ❌ |
| 隐私 | 数据上云 | 本地处理 | 本地处理 |
| 安装 | pip edge-tts | pip sherpa-onnx | 系统自带 |
自动降级逻辑
请求播报
├── 1. Edge TTS (品质最优)
├── 2. Sherpa-onnx (本地离线) ← 网络不佳时
└── 3. Windows SAPI (终极兜底) ← 都不行时
🎨 内置音色库（11款）
Edge TTS — 6款在线微软神经语音
| 音色 | 风格 | 推荐场景 |
|------|------|---------|
| xiaoxiao ⭐ | 晓晓，标准女声 | 默认通用 |
| yunxi | 云希，活泼男声 | 讲解/教程 |
| xiaoyi | 晓依，温柔女声 | 情感内容 |
| xiaochen | 晓辰，自然男声 | 新闻播报 |
| yunyang | 云扬，沉稳男声 | 正式场合 |
| xiaohan | 晓涵，少女声 | 轻快内容 |
Sherpa-onnx Piper — 3款本地离线
| 音色 | 大小 | 风格 | RTF |
|------|-----:|------|-----|
| xiao_ya ⭐ | 13MB | 小雅，温暖女声 | 0.05 |
| chaowen | 13MB | 超稳，沉稳男声 | 0.05 |
| huayan | 64MB | 花颜，柔和女声 | 0.10 |
Windows SAPI — 1款系统原生
| 音色 | 大小 | 风格 |
|------|-----:|------|
| huihui | 0 | 慧慧，系统中文语音 |
🏗️ 技术架构
┌─────────────────────────────────────────────────────────┐
│ QClaw / OpenClaw │
│ │
│ ┌──────────┐ ┌──────────────┐ ┌─────────────┐ │
│ │ LLM 输出 │ → │ speak.py │ → │ 音频输出 │ │
│ │ (文本) │ │ 引擎调度器 │ │ (WAV/MP3) │ │
│ └──────────┘ └──────┬───────┘ └─────────────┘ │
│ │ │
│ ┌─────────────┼─────────────┐ │
│ ▼ ▼ ▼ │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ │
│ │ Edge TTS │ │ Sherpa │ │ Win SAPI │ │
│ │ (在线) │ │ (ONNX) │ │ (原生) │ │
│ │ 0MB │ │ 13MB │ │ 0MB │ │
│ └──────────┘ └────┬─────┘ └──────────┘ │
│ │ │
│ ┌──────▼──────┐ │
│ │ Piper VITS │ │
│ │ (int8量化) │ 纯CPU, <0.1s延迟 │
│ └─────────────┘ │
└─────────────────────────────────────────────────────────┘
技术栈
| 层 | 技术 | 版本 | 说明 | |----|------|------|------| | 在线引擎 | edge-tts | latest | 微软神经网络，免费 | | 离线引擎 | sherpa-onnx | 1.13.2 | C++ ONNX Runtime | | 模型 | Piper VITS (int8) | - | 13MB, 中文, CPU | | 本地引擎 | pyttsx3 (SAPI) | latest | Win原生语音 | | 音频 | soundfile | latest | WAV 读写 | | ORT修复 | onnxruntime | 1.26+ | 自动覆盖sherpa内置旧版DLL |
🧠 Auto-Speak 自动语音播报
开启后，每次 AI 回复自动朗读：
用户: 开启语音播报
→ config.json: auto_speak = true
→ 后续每次回复自动调用 TTS
→ 语音消息发送至当前聊天
关闭：
用户: 关闭语音播报 / 安静 / 别说了
→ config.json: auto_speak = false
一个答案只会开一次口，工具调用/系统消息不会触发朗读。
📦 安装
# 全自动安装（edge-tts + pyttsx3 + sherpa-onnx）
python scripts/install.py
# 仅安装在线引擎
python scripts/install.py --edge-only
# 仅安装离线引擎
python scripts/install.py --win-only
# 下载 sherpa-onnx 模型
python scripts/install.py --sherpa xiao_ya
# 检查安装状态
python scripts/install.py --check
🔧 CLI 参考
python scripts/speak.py "文本" [选项]
选项:
--voice, -v NAME 音色名称
--engine, -e ENGINE 引擎: auto / edge / sherpa / win
--speed, -s FLOAT 语速 (0.5-2.0, 默认 1.0)
--output, -o PATH 输出音频文件
--list-voices 列出全部音色
--set-voice NAME 设置默认音色
--set-speed FLOAT 设置默认语速
--auto-speak on|off 开启/关闭自动语音播报
--config 显示当前配置
--config-path 显示配置文件路径
📊 实测性能（Win 11, i7, 16GB）
| 引擎 | 模型 | 首句 | RTF | RAM | |------|------|------|-----|-----| | edge | xiaoxiao | 0.5s | — | 50MB | | sherpa | xiao_ya (int8) | 0.08s | 0.05 | 200MB | | win | huihui | 0.03s | — | 50MB |
🔧 Troubleshooting
| 问题 | 解决 |
|------|------|
| No module named 'edge_tts' | pip install edge-tts |
| No module named 'pyttsx3' | pip install pyttsx3 |
| sherpa-onnx ORT version mismatch | 已自动修复：skills/scripts 自动覆盖旧版 ORT DLL |
| 模型未找到 | python scripts/install.py --sherpa xiao_ya |
| Edge TTS 超时 | 网络问题，自动降级到 sherpa/win |
| 中文 SAPI 不可用 | 安装 Windows 中文语言包 |
🆚 与现有 TTS 技能对比
| 维度 | 本技能 | qwen-tts | edge-tts | sherpa-onnx-tts | |------|--------|----------|----------|-----------------| | 引擎数 | 4个 | 1个 | 1个 | 1个 | | 模型大小 | 13MB | 1.7GB | 0 | 需自行下载 | | 中文支持 | ✅ | ✅ | ✅ | ❌(英文为主) | | 智能降级 | ✅ | ❌ | ❌ | ❌ | | 自动播报 | ✅ | ❌ | ❌ | ❌ | | 离线可用 | ✅ | ✅ | ❌ | ✅ |
📝 Changelog
v1.1.0 — 四引擎 + Sherpa打通
- New: Windows SAPI (pyttsx3) 本地引擎，零配置离线
- Fix: sherpa-onnx ORT DLL 自动覆盖（系统 1.26→覆盖sherpa内置1.17）
- Fix: Piper 模型 lexicon 路径显式传入
- Change: 引擎自动降级 edge → sherpa → win
- New: 6款 Edge TTS 音色（+yunyang/xiaohan）
- New: ORT auto-fix (_ensure_ort_fix)
- Docs: 2025-2026 本地轻量 CPU 中文 TTS 模型全景对比
v1.0.0 — Initial Release
- Edge TTS + sherpa-onnx 双引擎
- 3款 Piper 中文音色 (xiao_ya/chaowen/huayan)
- 3款 Edge 中文音色 (xiaoxiao/yunxi/xiaoyi)
- Auto-speak 自动语音播报模式
- 流式 TTS 支持
- 一键安装脚本