sag

Sag 是一款為 OpenClaw AI 助理設計的高效能文字轉語音 (TTS) 整合工具，利用 ElevenLabs 提供逼真且富有表現力的合成語音。它採用 macOS 'say' 指令的熟悉操作介面，讓使用者能直接從指令列將文字回應轉換為高品質的音訊檔案。此技能適合偏好聽覺互動，或需要為自動化聊天回應生成語音內容的使用者。它支援多種 ElevenLabs 模型，包含用於對話式助理的表達型模型，以及用於低延遲播放的快速模型。

• 完整的 ElevenLabs API 整合，支援 v2、v2.5 及 v3 模型架構。

• 支援語音標記，例如 [whispers] (耳語)、[shouts] (吶喊)、[sings] (唱歌) 與 [laughs] (笑聲)，提供更自然的發音。

• 內建語音參數自訂功能，包含 Voice ID 與正規化語言偏差設定。

• 整合語音聊天回應生成管線，輸出適合 OpenClaw MEDIA 協定的檔案路徑。

• 提供簡單的指令列介面，用於列出語音清單、測試 TTS，並透過重新拼寫與正規化功能來調整發音。

• 請確保您已在環境變數中設定有效的 ElevenLabs API 金鑰 (ELEVENLABS_API_KEY 或 SAG_API_KEY)。

• 使用 [pause]、[short pause] 或 [long pause] 標籤來控制語音節奏，因為 v3 模型不支援標準的 SSML break 標籤。

• 若要整合聊天功能，請將音訊檔案生成至暫存目錄，並使用 MEDIA:/path/to/file.mp3 語法，以便在助理的用戶端渲染輸出。

• 當定義特定角色性格（如「瘋狂科學家」）時，可結合情緒標籤與強度設定，以達到最佳效果。

• 使用 --normalize auto 旗標來自動處理數字、單位與網址，若該功能影響到特定專有名稱，則建議切換為 off。