Vibe Tts — Development skill for Claude Code

vibe-tts

把一段文字配成 `.mp3`：给文本和风格，选引擎，产出落到环境变量指定的统一目录。

• edge：微软预置音色，联网免密钥，几秒出声。
• index-tts 2.5：本地 IndexTTS-2.5 声音克隆，用你自己的声音、story 等段落演绎风格朗读。

# 默认 edge
uv run --no-project --with edge-tts --with mutagen scripts/vibe_tts.py say \
  --text "今天我们拆解的是：Agent Skills"

# 本人声音克隆 + story 风格（须本人显式授权，见下）
uv run --no-project --with mutagen --with soundfile --with numpy scripts/vibe_tts.py say \
  --engine index-tts --final-voice --style story \
  --ref ~/voices/me-bright.wav --expect-ref-sha1 54b699cce97f \
  --text "今天我们拆解的是：Agent Skills"

stdout 最后一行是回执 JSON：

{"path": "…/今天我们拆解的是-agent-skills.847fb978afff.mp3", "durationSec": 3.471, "sampleRate": 22050, "engine": "index-tts", "style": "story", "cached": false, "chunks": 1}

核心能力

• 一句话出 mp3：文本来源 --text 或 --text-file；输出目录 --out-dir，缺省读 VIBE_TTS_OUTPUT_DIR，两者皆无则大声退出，不替你选落点。
• 风格即数据：10 个风格预设（story、sunny-steady、passionate …），vibe-video 经委托复用；vibe_tts.py styles 查看。
• 长文本不丢字：index-tts 上游单请求约 36 秒封顶、超出的尾部会被静默吞掉，vibe-tts 按句界分块逐块合成再拼接，不需要 ffmpeg。
• 缓存：同文本同参数直接命中；index-tts 另有块级版本库，改一句只重合成变更的块。
• 服务按需起停：index-tts 服务未就绪时自动拉起，合成完只停自己拉起的实例；若仍被其他进程占用，不杀，起有界 watchdog 巡检到连续空闲再停。

安装

前置：[uv](https://docs.astral.sh/uv/)；index-tts 引擎另需 macOS、本地 `~/tools/index-tts`（IndexTTS-2.5 权重，约 10 GiB 常驻内存）与你自己的声音样本。

git clone https://github.com/ThreeFish-AI/vibe-tts ~/Documents/projects/aurelius/vibe-tts
ln -sfn ~/Documents/projects/aurelius/vibe-tts ~/.claude/skills/vibe-tts     # Claude Code
ln -sfn ~/Documents/projects/aurelius/vibe-tts ~/.agents/skills/vibe-tts     # 其他宿主

务必用 `ln -sfn`：不带 `-n` 时，目标已是目录软链会在仓内造出自指嵌套。装好后重启会话才能发现新 skill。

验证：`python3 ~/.claude/skills/vibe-tts/scripts/vibe_tts.py styles` 能列出风格表。

指定统一输出目录（建议写进 `~/.claude/settings.json` 的 `env` 块）：

{ "env": { "VIBE_TTS_OUTPUT_DIR": "~/Documents/vibe-tts-output" } }

声音与授权

index-tts 用的是**本人声音克隆**，这是生物特征资产：

• 默认引擎是 edge；index-tts 须由本人明确要求并显式带 --final-voice，缺此 flag 的实跑硬失败。Agent