OpenSkillIndex← back to search
claude-codeopenclawproductivity

Skills minimax-tokenplan-tts

install
source · Clone the upstream repo
git clone https://github.com/openclaw/skills
Claude Code · Install into ~/.claude/skills/
T=$(mktemp -d) && git clone --depth=1 https://github.com/openclaw/skills "$T" && mkdir -p ~/.claude/skills && cp -r "$T/skills/4833675/minimax-tokenplan-tts" ~/.claude/skills/openclaw-skills-minimax-tokenplan-tts && rm -rf "$T"
OpenClaw · Install into ~/.openclaw/skills/
T=$(mktemp -d) && git clone --depth=1 https://github.com/openclaw/skills "$T" && mkdir -p ~/.openclaw/skills && cp -r "$T/skills/4833675/minimax-tokenplan-tts" ~/.openclaw/skills/openclaw-skills-minimax-tokenplan-tts && rm -rf "$T"
manifest: skills/4833675/minimax-tokenplan-tts/SKILL.md
tags
#text-to-speech#voice-control#streaming#audio#minimax
source content

MiniMax TTS Skill

前置条件

  • Python 3 已安装
  • requests 库：
    pip3 install requests
  • websockets 库：
    pip3 install websockets
    （流式播放需要）
  • ffplay（流式播放需要）：
    • macOS: 
      brew install ffmpeg
    • Ubuntu: 
      sudo apt install ffmpeg
    • Windows: 从 https://ffmpeg.org/download.html 下载
    • 如果 ffplay 未安装，
      stream_play.py
      会提示安装方法

init

需要初始化以下信息：

第一步：获取 API Key

向用户获取 MiniMax API Key（

sk-cp-
开头的 Token Plan key，或普通 API Key）。

第二步：确认配置

向用户确认：

  • API Key 是否正确
  • 使用国内（
    https://api.minimaxi.com
    ）还是海外（
    https://api.minimaxi.io
    ）节点

第三步：填写配置

获取以上信息后：

  1. 修改 
    scripts/generate.py
    顶部的配置常量（
    API_KEY
    、
    BASE_URL
    ），填入实际值
  2. 修改 
    scripts/stream_play.py
    顶部的配置常量（
    API_KEY
    、
    BASE_URL
    ），填入相同的值
  3. 同时更新下方 
    ## 配置
    区段的表格，作为配置记录

第四步：判断音色

  1. 根据 
    IDENTITY.md
    自行选择声优
  2. 如判断不出，则使用 
    male-qn-jingying
    （精英青年音色）
  3. 然后更新下方 
    ## 配置
    区段的表格及两个脚本

第五步：清理

配置填写完成后，删除本 

## init
区段（包括 
### 需要初始化以下信息
的全部内容），仅保留 
## 配置
区段。

配置

配置项值说明
MINIMAX_API_KEY
<待填入>
初始化时替换为实际 key
BASE_URL
<待填入>
CN: 
https://api.minimaxi.com
/ Global: 
https://api.minimaxi.io
REGION
<待填入>
CN
或 
global
VOICE_ID
<待填入>
判断音色后填入

音色列表

语言因音色较多，不再逐一列出，完整列表参考 MiniMax TTS 官方文档：

快速使用

📢 channel=webchat 时的播放策略：当前 channel 为 

webchat
（实时对话场景）时， 应优先使用 
stream_play.py
直接流式播放，而不生成文件。这样用户可以立即听到语音， 无需等待完整音频生成。仅当用户明确要求保存文件时，才使用 
generate.py
。

1️⃣ 流式播放（channel=webchat）

通过 WebSocket 实时获取音频流，边生成边用 ffplay 播放。无需生成文件，首个音频包到达即开始播放。

SKILL_DIR="~/.openclaw/workspace/skills/minimax-tokenplan-tts"
python3 "$SKILL_DIR/scripts/stream_play.py" \
    --text "要播放的文本内容" \
    --voice "male-qn-jingying"

注意：以下示例中 

stream_play.py
和 
generate.py
均指 
~/.openclaw/workspace/skills/minimax-tokenplan-tts/scripts/
下的完整路径。

参数说明：

参数必填说明默认值
--text
✅要播放的文本，最长 10000 字符-
--voice
❌声优 ID
male-qn-jingying
--speed
❌语速 [0.5,2.0]
1.0
--vol
❌音量 (0,10]
1.0
--pitch
❌音调 [-12,12]
0
--save
❌同时保存到文件（MP3 格式）不保存
--api-key
❌API Key（默认使用文件顶部配置）-
--base-url
❌Base URL（默认使用文件顶部配置）-

示例：

# 直接播放（不保存文件）
python3 stream_play.py --text "你好，我正在通过流式方式播放语音"

# 播放同时保存到文件
python3 stream_play.py --text "这段语音会被保存" --save /tmp/stream_output.mp3

# 使用女声播放
python3 stream_play.py --text "今天天气真不错" --voice female-tianmei

2️⃣ 文件生成（需要保存 WAV 时使用）

SKILL_DIR="~/.openclaw/workspace/skills/minimax-tokenplan-tts"
python3 "$SKILL_DIR/scripts/generate.py" \
    --text "要转换的文本内容" \
    --voice "male-qn-jingying" \
    --output "/tmp/tts_output.wav"

参数说明：

参数必填说明默认值
--text
✅要转换的文本，最长 10000 字符，超出会报错-
--voice
❌声优 ID
male-qn-jingying
--speed
❌语速 [0.5,2.0]
1.0
--vol
❌音量 (0,10]
1.0
--pitch
❌音调 [-12,12]
0
--output
❌输出路径自动生成
--api-key
❌API Key（默认使用文件顶部配置）-
--base-url
❌Base URL（默认使用文件顶部配置）-

声优可选值： 完整327个音色列表见 

## 音色列表

示例：

# 基本用法
python3 generate.py --text "你好，欢迎使用 MiniMax TTS" --output /tmp/hello.wav

# 快速播报（1.5倍速）
python3 generate.py --text "紧急通知，请立即处理" --speed 1.5 --output /tmp/alert.wav

# 柔和女声
python3 generate.py --text "今天天气真不错" --voice female-qn-tianying --output /tmp/weather.wav

工作流总结

TTS 完整流程

  1. 文本预处理 → 检查是否需要插入语气词标签（见 
    ## 语气词标签
    ）
  2. 选择声优 → 
    --voice
    参数（默认 
    male-qn-jingying
    ）
  3. 调整参数 → 
    --speed
    / 
    --vol
    / 
    --pitch
  4. 生成 WAV → 脚本调用 MiniMax TTS API（自动处理 HEX 解码）
  5. 格式转换 → 如需 MP3/AAC 等格式，用 ffmpeg 转换

脚本输出格式

generate.py

调用 

generate.py
后，stdout 输出生成结果，格式如下：

stdout 输出说明
保存后的文件绝对路径
~/.openclaw/media/minimax/tts/tts-2026-03-27-hello.wav

stream_play.py

调用 

stream_play.py
后，stdout 输出播放状态：

stdout 输出说明
STREAM_PLAY_DONE
流式播放完成
STREAM_PLAY_ERROR: <msg>
播放失败，附带错误信息

两个脚本的日志信息（

[INFO]
、
[WARN]
、
[ERROR]
）均输出到 stderr，不会混入 stdout。

错误处理

code含义处理
0成功继续
1002限流提醒用户 API 限流中，建议稍后重试
1004鉴权失败检查 API Key
1008余额不足提醒充值
2049无效 Key检查 Key 是否正确

文件存储

  • 默认保存到：
    ~/.openclaw/media/minimax/tts/
    （多 Agent 共享目录）
  • 文件名格式：
    tts-YYYY-MM-DD-<slug>.wav
  • slug：取 text 前20字符，英文数字保留，空格变 
    -

语气词标签

  • 在文本中适当位置插入以下标签，可生成对应的非语言音效（笑声、咳嗽、呼吸等）。AI 应根据文本情绪自动判断是否插入。
  • 用户明确要求不插入语气词标签时，不要插入。

支持的标签

标签含义标签含义
(laughs)
笑声
(chuckle)
轻笑
(coughs)
咳嗽
(clear-throat)
清嗓子
(groans)
呻吟
(breath)
正常换气
(pant)
喘气
(inhale)
吸气
(exhale)
呼气
(gasps)
倒吸气
(sniffs)
吸鼻子
(sighs)
叹气
(snorts)
喷鼻息
(burps)
打嗝
(lip-smacking)
咂嘴
(humming)
哼唱
(hissing)
嘶嘶声
(sneezes)
喷嚏

注意：

(emm)
不支持，请用 
(breath)
或语气停顿代替。

使用示例

--text "今天是不是很开心呀(laughs)，当然了！"
--text "咳咳(coughs)，不好意思，有点呛到了"
--text "嗯(inhale)，让我想想(exhale)..."

注意事项