---
name: 语音合成
description: GPT-SoVITS 高质量语音合成（声音克隆 + 情绪表达），Edge-TTS 自动回退
version: 1.0
auto_activate: true
---

# 语音合成

激活此技能后，莲心可以使用 GPT-SoVITS 进行高质量语音合成（含声音克隆），
并在 GPT-SoVITS 不可用时自动回退到 Edge-TTS（标准云端发音）。

## 能力说明

- **声音克隆**：通过参考音频定义莲心的专属声线，让每次语音回复都有统一的"人设声音"
- **情绪选择**：支持 casual（日常温柔）、tsundere（傲娇）、romantic（深情）、long（长句）、angry（生气）五种情绪音色
- **自动情绪匹配**：不指定情绪时根据文本内容自动匹配最合适的情绪
- **无缝回退**：GPT-SoVITS 不可用时自动使用 Edge-TTS，语音功能不受影响

## 工具使用场景

| 场景 | 调用 |
|------|------|
| 用户说"用语音跟我说句话" | `speak_voice(text="...", mood="casual")` |
| 用户说"用傲娇的语气说" | `speak_voice(text="...", mood="tsundere")` |
| 用户说"用生气的语气说" | `speak_voice(text="...", mood="angry")` |
| 用户问"有哪些语音风格" | `list_voice_styles()` |
| 用户说"把语音风格设为深情" | `set_voice_mood(mood="romantic")` |
| 长文本朗读 | `speak_voice(text="长文本...", mood="long")` |

## 使用规则

- 当用户明确要求用语音回复或说某句话时，调用 `speak_voice`
- 调用前思考用户期望的情绪语气，选择合适的 mood
- 如果用户没有指定情绪，让 mood 使用默认的 "auto" 以自动匹配
- **【重要】内容一致性规则**：`speak_voice` 的 `text` 参数必须填写你最终想要回复用户的**完整内容**。语音朗读什么文字，消息框里就显示什么文字，两者必须完全一致。
- 调用 `speak_voice` 后，你会收到"语音已播放"的返回结果。此时请**直接使用你之前传入 `text` 参数的内容**作为本轮回复，不要再重新组织不同的文字。

**语言要求**：全程使用中文回复用户，不要使用日文或其他语言。