Agent Speak Skill

agent-speak-skill 🔊

讓你的 AI Agent「用語音回答你」——免費 Edge-TTS 串流語音回覆技能。

Free voice-reply skill for AI agents (Claude Code / Codex / OpenCode / AntiGravity) — streams Edge-TTS audio inline, first sound in ~1–2 seconds, no API key, no window pop-ups.

特色

• ⚡ 串流播放：音訊邊生成邊播，首聲約 1–2 秒（不必等整個音檔生完）
• 🆓 零金鑰、零費用：走 Edge 瀏覽器「大聲朗讀」的微軟雲端語音（edge-tts）
• 🪟 行內無視窗：ffplay/mpv 管道播放，不會跳出任何播放器視窗
• 🛡️ 三層備援：串流 → 整檔（WPF MediaPlayer／WMPlayer COM）→ 離線 Windows SAPI，斷網也出得了聲
• 🗣️ 預設台灣中文男聲 zh-TW-YunJheNeural，一個參數換任何 Edge-TTS 聲音
• 🤝 四個 Agent 通用：同一份技能資料夾，Claude Code、Codex、OpenCode、AntiGravity 都能用

需求

項目	說明
Windows 10/11	播放備援用到 WPF／SAPI（核心生成跨平台，播放層目前為 Windows）
PowerShell 7（pwsh）	winget install Microsoft.PowerShell
Python 3.8+ ＋ edge-tts	pip install edge-tts
ffmpeg（含 ffplay）或 mpv	串流播放用；沒有也能動（自動退到整檔模式）。winget install Gyan.FFmpeg

安裝（可下載 ZIP，不一定要 git clone）

把 `speak/` 資料夾整個複製到你所用工具的技能目錄：

Agent	技能目錄
Claude Code	~/.claude/skills/speak/
Codex	~/.agents/skills/speak/
AntiGravity	~/.agents/skills/speak/（與 Codex 共用）
OpenCode	~/.config/opencode/skills/speak/

裝好後對你的 Agent 說：**「用語音回答我」**、「唸出來」、「唸給我聽」即可觸發。

手動使用

# 基本：串流唸出一段話
pwsh -NoProfile .\speak\speak.ps1 "你好，這是語音回覆測試。"

# 換聲音（任何 edge-tts 支援的 voice）
pwsh -NoProfile .\speak\speak.ps1 "換個女聲試試。" -Voice zh-TW-HsiaoChenNeural

# 保留音檔（走整檔模式）
pwsh -NoProfile .\speak\speak.ps1 "這段要存起來。" -Out D:\out\reply.mp3

# 長稿從檔案讀
pwsh -NoProfile .\speak\speak.ps1 -File .\講稿.txt

可用聲音清單：`edge-tts --list-voices`

運作原理

文字講稿 ─→ edge-tts 串流 API ─→ 音訊 chunk ─→ ffplay/mpv stdin（邊收邊播）
                    │ 失敗時
                    ├─→ 整檔 mp3 → WPF MediaPlayer／WMPlayer COM（無視窗）
                    │ 再失敗（離線）
                    └─→ Windows SAPI 本機合成（零依賴）

檔案

• speak/SKILL.md — 技能說明（Agent 讀這份決定何時觸發、怎麼呼叫）
• speak/speak.ps1 — 主腳本（模式選擇＋備援鏈）
• speak/speak_stream.py — Edge-TTS 串流播放器

注意

• Edge-TTS 為非官方管道，