Token导航 LogoToken导航TokenDH.com
效率敏感数据clawhub未标认证来源可访问clear审计提醒

minimax-tts-pro最小最大 tts 专业版

Agent Skill

minimax-tts-pro 用于处理音频、语音、转写和声音素材相关任务,适合在 OpenClaw 中需要整理音频流程、转写内容或生成配音素材时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

1,978

周安装

80

GitHub Stars

公开资料未说明

下载量

621
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:minimax-tts-pro(最小最大 tts 专业版)
来源仓库:https://github.com/fuzzyb33s/minimax-tts-pro
安装命令:
openclaw skills install minimax-tts-pro
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install minimax-tts-pro

简介

通过 HTTP REST API 实现超真实声音的高质量语音合成。

  • 支持超过 40 种语言的文本转语音转换。minimax-tts-pro 属于效率类 Skill,可作为该场景下的辅助能力补充。
  • 适用于国际化产品中的本地化语音体验构建。
  • 注意部分方言或口音可能不在官方支持列表内。
  • 安装时请确保防火墙允许外网 API 请求通行。

SKILL.md

name
minimax-tts
version
1.0.0
description
MiniMax Text-to-Speech synthesis using the HTTP REST API. Generates high-quality audio from text in 40+ languages with ultra-realistic voices. Use when the user wants to convert text to speech, create voiceovers, generate narrated audio content, or use MiniMax TTS voices. Supports streaming and non-streaming modes, multiple audio formats (mp3, wav, pcm), and voice effects. Triggered by: text to speech, TTS, text to audio, MiniMax TTS, generate voice, voiceover, read this aloud, text to voice

MiniMax TTS

MiniMax Text-to-Speech via HTTP REST API. Supports streaming and non-streaming, 40+ languages, 200+ voices.

API Details

  • Endpoint: POST https://api.minimax.io/v1/t2a_v2
  • Alt endpoint (lower latency): POST https://api-uw.minimax.io/v1/t2a_v2
  • Auth: Bearer token via MINIMAX_API_KEY env var
  • Content-Type: application/json

Quick Usage

uv run python scripts/tts.py --text "Hello world" --voice English_expressive_narrator --model speech-2.8-hd --output hello.mp3

Scripts

  • scripts/tts.py — Core TTS script. Run with --help for full options.

Models

ModelDescription
speech-2.8-hdUltra-realistic, supports sound tags
speech-2.8-turboFast + natural flow
speech-2.6-hdLow latency, enhanced naturalness
speech-2.6-turboFast, affordable
speech-02-hdSuperior rhythm, high similarity
speech-02-turboSuperior rhythm, multilingual

Output Formats

  • mp3 (default), wav, pcm
  • Sample rates: 32000 (default), 16000, 24000, 48000
  • Bitrate: 128000 (default), 64000, 32000

Languages

40+ languages including: English, Chinese (Mandarin/Cantonese), Japanese, Korean, Spanish, French, German, Portuguese, Arabic, Russian, Hindi, Thai, Vietnamese, Turkish, Dutch, Polish, Italian, Indonesian, Malay, Persian, Swedish, Norwegian, Danish, Finnish, Hebrew, Romanian, Greek, Czech, Hungarian, Tamil, Afrikaans, and more.

Voices

Key English voices:

  • English_expressive_narrator — Default expressive narrator
  • English_radiant_girl — Radiant female
  • English_magnetic_voiced_man — Magnetic male voice
  • English_Aussie_Bloke — Australian male
  • English_Whispering_girl — Whispering female
  • English_PlayfulGirl — Playful female
  • English_Comedian — Comedic voice
  • English_AnimeCharacter — Female anime narrator

For full voice list (200+ voices across all languages), see references/voices.md.

Sound Tags (speech-2.8-hd only)

Use XML-like tags for breathing, pauses, expression:

  • (sighs) — breathing sound
  • (laughs) — laughter
  • (coughs) — coughing
  • [laughs] — laughing
  • ... or (pause:500) — pause in ms
  • <emphasis>important</emphasis> — emphasis
  • <spell-out>A-P-I</spell-out> — spell out letters

Script Usage

uv run python scripts/tts.py --text "Your text here" [options]

Options:
  --text TEXT              Text to synthesize (required)
  --model MODEL           Model: speech-2.8-hd (default), speech-2.8-turbo, speech-2.6-hd, etc.
  --voice VOICE_ID        Voice ID (default: English_expressive_narrator)
  --speed SPEED           Speed 0.5-2.0 (default: 1.0)
  --pitch PITCH           Pitch -3 to 3 (default: 0)
  --vol VOLUME            Volume 0-10 (default: 1)
  --language_boost LANG   Language boost: auto (default), or specific lang e.g. en, zh
  --output_format FORMAT  hex (default) or raw (mp3/wav bytes returned directly)
  --format AUDIO_FORMAT   mp3 (default), wav, pcm
  --sample_rate RATE      32000 (default), 16000, 24000, 48000
  --bitrate BITRATE       128000 (default), 64000, 32000
  --stream                Enable streaming mode (returns chunks as they generate)
  --output FILE           Output file path (default: minimax_tts_output.mp3)
  --api_url URL           Override API URL
  --api_key KEY           Override API key (reads MINIMAX_API_KEY env if not set)

Streaming Mode

uv run python scripts/tts.py --text "Hello, streaming audio." --stream --output stream_output.mp3

Examples

# Basic
uv run python scripts/tts.py --text "The quick brown fox jumps over the lazy dog."

# Different voice
uv run python scripts/tts.py --text "Bonjour le monde" --voice French_Standard_Female --model speech-2.6-turbo

# Streaming
uv run python scripts/tts.py --text "This is streaming audio" --stream --output streaming.mp3

# With sound tags (expressive)
uv run python scripts/tts.py --text "Hello(sighs)... what a beautiful day(laughs)!" --voice English_expressive_narrator --model speech-2.8-hd

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

70.27%
按下载量换算436

安全审计

VirusTotal

通过

ClawScan

可疑

Static analysis

通过

权限和风险

敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在 warning/failed 结果,不能写成本站确认安全。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills