跳到主要内容

文字转语音

Text to speech 让 Anyy 从文本合成音频，并把结果作为 scoped artifact 和 outbound 音频附件投递。

模型可见工具是 tts 工具集中的 text_to_speech。Provider、voice、format 和限制来自用户配置，不来自工具参数。

配置​

最小 OpenAI-compatible 配置：

tts:
  enabled: true
  provider: openai
  timeout_ms: 60000
  max_chars: 4096
  openai:
    model: tts-1
    voice: alloy
    base_url: https://api.openai.com/v1
    api_key_ref: env:OPENAI_API_KEY
    response_format: mp3

voice:
  auto_tts: false

当 tts.enabled 省略时，只有配置了 provider 才认为 TTS 启用。空的 tts.provider 会禁用服务。

Provider 选项​

支持的 provider 路径：

Provider type配置位置说明
Built-in OpenAItts.openai，并设置 provider: openai使用 model、voice、base_url、credential ref 和 response_format。
Named command providertts.providers.<name>.type: command运行本地命令并注册输出音频。
Named OpenAI-compatible providertts.providers.<name>.type: openai 或 openai-compatible在命名 provider 下使用和 OpenAI 相同的字段。
Chat audio providertts.providers.<name>.type: openai-chat-audio使用 chat-audio synthesis 选项。

Custom command providers 可以设置 command、args、cwd、env、output_format、content_type、timeout_ms 和 max_chars。

Provider env 中的 secret refs 会在启动前解析。

Preview​

Gateway 运行时，dashboard 和 RPC 层提供 TTS preview 操作。Preview 使用与运行时工具相同的已配置 provider 和 voice 路径。

如果 preview 失败，先检查 provider 凭据和 tts.provider，再排查渠道投递。

Auto TTS​

voice.auto_tts 控制 voice/audio 对话是否默认用语音回复。配置 TTS provider 不会自动把每条回复都变成音频。

当 tts 工具集可见且 provider 已配置时，仍可显式使用 text_to_speech 工具。

消息投递​

工具接受一个参数：

参数含义
text要合成的必填文本。Provider-specific 字符上限适用，过长输入会被截断。

成功时返回包含 artifact_ref 的 JSON，也可能包含 artifact_id、content_type 和 filename。

生成语音通过 artifact store 保存。兼容 provider 和渠道可以把它渲染为 voice bubble；否则会作为普通音频附件发送。

失败模式​

Status含义
blocked_unavailableTTS 服务或 provider 不可用。
blocked_invalid必填文本或 session 字段无效。
errorProvider synthesis 失败。

生成音频 artifact 管理见 Artifacts。