market/skills/openai-tts/SKILL.md

name, description, license, version, type, risk_level, status, disable-model-invocation, provider, tags, requires, metadata, market

name	description	license	version	type	risk_level	status	disable-model-invocation	provider	tags	requires	metadata	market
OpenAI 语音合成	Use this skill when the user wants to convert text to speech audio. Calls the OpenAI TTS API through the media proxy to generate audio files. Supports multiple voices (alloy, echo, fable, onyx, nova, shimmer) and audio formats (mp3, opus, aac, flac). Use when 用户提到 语音合成、文字转语音、TTS、朗读、读出来、 生成语音、生成音频、文本转音频、配音、念出来。	Complete terms in LICENSE.txt	1.1.0	procedural	low	enabled	false	openai	media audio tts speech openai	tools Bash	author updated_at desirecore 2026-04-25	icon short_desc category maintainer channel <svg xmlns="http://www.w3.org/2000/svg" width="24" height="24" viewBox="0 0 24 24" fill="none"><rect x="3" y="3" width="18" height="18" rx="3" stroke="#007AFF" stroke-width="1.5" fill="#007AFF" fill-opacity="0.1"/><path d="M8 9v6M11 7v10M14 10v4M17 8v8" stroke="#007AFF" stroke-width="2" stroke-linecap="round"/></svg> 基于 OpenAI TTS 的文本转语音技能 media name verified DesireCore Official true latest

openai-tts 技能

强制规则（违反将导致功能失败）

1. 必须用 HTTPS 访问 agent-service — https://127.0.0.1:${PORT} 加 -k 跳过证书验证
2. 全程使用 Bash curl — 不要使用 HttpRequest 工具或 Python
3. responseType 必须为 "binary" — OpenAI TTS 返回二进制音频流，不是 JSON

完整执行流程

前置条件

• 用户已在资源管理器-算力中配置 OpenAI Provider 并填写 API Key
• agent-service 正在运行

语音选择指南

语音	特点	适用场景
alloy	中性平衡	通用（推荐默认）
echo	低沉稳重	旁白、播客
fable	温暖叙事	故事、有声书
onyx	深沉有力	新闻播报
nova	活泼明亮	对话、教学
shimmer	柔和温柔	冥想、助眠

生成语音

PORT=$(cat ~/.desirecore/agent-service.port)
curl -sk -X POST "https://127.0.0.1:${PORT}/api/media-proxy" \
  -H "Content-Type: application/json" \
  -d '{
    "provider": "openai",
    "serviceType": "tts",
    "endpoint": "/audio/speech",
    "body": {
      "model": "tts-1",
      "input": "要转换的文本内容",
      "voice": "alloy",
      "response_format": "mp3",
      "speed": 1.0
    },
    "responseType": "binary",
    "binaryMimeType": "audio/mpeg"
  }'

成功响应（代理层自动保存音频文件到 media-store）：

{
  "success": true,
  "media": {
    "type": "audio",
    "mediaId": "xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx.mp3",
    "name": "media-proxy-generated",
    "mimeType": "audio/mpeg",
    "size": 123456
  },
  "statusCode": 200
}

展示结果

从响应中提取 media.mediaId，音频文件可通过以下 URL 访问：

https://127.0.0.1:${PORT}/api/media/${mediaId}

向用户提供播放链接即可。

参数说明

参数	说明	可选值	默认值
model	模型	"tts-1"（标准）, "tts-1-hd"（高清）	tts-1
input	要转换的文本	最大 4096 字符	—
voice	语音角色	alloy, echo, fable, onyx, nova, shimmer	alloy
response_format	音频格式	mp3, opus, aac, flac	mp3
speed	语速倍率	0.25 - 4.0	1.0

binaryMimeType 映射

根据 response_format 设置对应的 binaryMimeType：

response_format	binaryMimeType
mp3	audio/mpeg
opus	audio/opus
aac	audio/aac
flac	audio/flac

错误处理

• success: false + statusCode: 400：通常是 input 为空或超长
• success: false + statusCode: 401：API Key 无效或过期
• success: false + statusCode: 429：速率限制，建议稍后重试
• success: false + error: "未找到匹配的供应商"：用户未配置 OpenAI Provider
• success: false + error: "未配置 API Key"：用户未填写 OpenAI API Key

注意事项

• OpenAI TTS API 返回的是二进制音频流，不是 JSON，所以 responseType 必须设为 "binary"
• binaryMimeType 必须与 response_format 对应，否则文件扩展名可能不正确
• tts-1-hd 音质更好但生成速度较慢，适合离线场景
• input 最大 4096 字符，超长文本需要分段处理
• 如果用户未明确要求，默认使用 tts-1 + alloy + mp3 + 1.0 倍速