Speak Turbo - Talk to your Claude 90ms latency!

Polar Sponsor

爱发电赞助

.NET 9.0

立即下载

赋予Agent实时语音交互能力。与Claude对话！超快TTS文字转语音，约90毫秒低延迟音频输出。

语录 - 和你的克劳德说话!

功能概述

语录 - 和你的克劳德说话!是一项面向实际任务的技能，主要用于给予你的代理代理实时说话的能力；使用 ~90ms 空闲和 8 个内置声音的 Ultra- fast text- to- speech；

核心要点

QQ 快速启动；
输出解释: ~ = fir。
它将相关步骤、工具调用和结果整理方式集中到统一流程中，帮助使用者更快完成目标并减少重复操作。

使用与执行

使用时应结合输入条件选择合适的执行方式，核对必要参数、依赖环境与输出内容，并按原始要求处理异常情况。该技能适合需要稳定复用相关能力的场景，可作为自动化工作流的一部分，也便于后续检查、调整和扩展。从功能定位来看，该技能强调把分散的操作要求整理成清晰、可复用的处理流程，使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。

结果检查与注意事项

实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数，再依据技能说明逐步执行；若输入条件不完整，应先补齐信息或采用保守配置，避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期，并对异常提示、缺失字段和边界情况进行处理；涉及批量任务时，还应保存进度，避免中断后重复操作。

speakturbo — 与你的 Claude 对话！

为你的智能体赋予实时语音交互能力。超低延迟（约 90ms）的文本转语音，内置 8 种语音。

快速开始

# 立即播放 —— 你将通过扬声器听到“Hello world”
speakturbo "Hello world"
# 输出： ⚡ 92ms → ▶ 93ms → ✓ 1245ms

# 通过保存为文件验证功能是否正常
speakturbo "Hello world" -o test.wav
ls -lh test.wav  # 应显示大小约为 50–100KB 的文件

输出说明：⚡ = 首帧音频接收完成，▶ = 播放已启动，✓ = 全部完成

首次运行

首次执行耗时约 2–5 秒，用于启动后台守护进程（daemon）并将模型加载至内存。后续调用首音延迟约 90ms。

# 首次运行（较慢 —— 守护进程正在启动）
speakturbo "Starting up"  # ~2–5 秒

# 第二次运行（较快 —— 守护进程已就绪）
speakturbo "Now I'm fast"  # ~90ms

使用方法

# 基础用法 —— 立即播放（默认语音：alba）
speakturbo "Hello world"

# 保存为音频文件（不播放）
speakturbo "Hello" -o output.wav

# 保存为指定文件名
speakturbo "Goodbye" -o goodbye.wav

# 静默模式（抑制状态信息输出，但仍会播放音频）
speakturbo "Hello" -q

# 列出所有可用语音
speakturbo --list-voices

可用语音

语音	类型
`alba`	女性（默认）
`marius`	男性
`javert`	男性
`jean`	男性
`fantine`	女性
`cosette`	女性
`eponine`	女性
`azelma`	女性

性能指标

指标	数值
首音延迟（Time to first sound）	~90ms（守护进程已预热）
首次运行延迟	2–5s（守护进程启动阶段）
实时因子（Real-time factor）	约快 4 倍
采样率	24kHz 单声道

架构设计

speakturbo (Rust CLI，2.2MB)
    │
    │ HTTP 流式传输（端口 7125）
    ▼
speakturbo-daemon (Python + pocket-tts)
    │
    │ 模型驻留内存，空闲 1 小时后自动退出
    ▼
音频播放（rodio）

文本输入

编码格式：UTF-8
文本中包含引号：需使用转义： speakturbo "She said "hello""
长文本支持：支持，边生成边流式输出

输出路径安全机制

-o 参数仅允许写入白名单内的目录。默认白名单包括：

/tmp 及系统临时目录
当前工作目录
~/.speakturbo/

如需写入其他路径，请使用 --allow-dir 参数：

speakturbo "Hello" -o /custom/path/audio.wav --allow-dir /custom/path

如需永久添加允许目录，请将其写入 ~/.speakturbo/config：

mkdir -p ~/.speakturbo && echo "/custom/path" >> ~/.speakturbo/config

该配置文件每行一个目录路径；以 # 开头的行视为注释。

退出码

代码	含义
0	成功（音频已播放或已保存）
1	错误（守护进程连接失败、参数无效等）

适用场景

建议使用 speakturbo 的情况：

需要极低延迟的语音反馈（约 90ms）
响应速度比语音多样性更重要
内置语音已满足需求

建议改用 speak 的情况：

需要自定义语音克隆（如 Morgan Freeman 等） → speak "text" --voice ~/.chatter/voices/morgan_freeman.wav
需要情感标签，例如 [laugh]、[sigh]
语音质量与多样性优先于响应速度

详见 speak 技能文档获取完整用法。

故障排查

无音频输出：

# 检查守护进程是否运行中
curl http://127.0.0.1:7125/health
# 预期返回： {"status":"ready","voices":["alba","marius",...]}

# 通过保存为文件并手动播放验证
speakturbo "test" -o /tmp/test.wav
afplay /tmp/test.wav  # macOS
aplay /tmp/test.wav   # Linux

守护进程无法启动：

# 检查端口占用情况
lsof -i :7125

# 手动终止并重启
pkill -f "daemon_streaming"
speakturbo "test"  # 自动重启守护进程

首次运行较慢： 此属正常现象。守护进程需将约 100MB 的模型加载至内存。后续调用将恢复高速响应（约 90ms）。

守护进程管理

守护进程在首次使用时自动启动，并在空闲 1 小时后自动关闭。

# 查看运行状态
curl http://127.0.0.1:7125/health

# 手动停止
pkill -f "daemon_streaming"

# 查看日志
cat /tmp/speakturbo.log

与 speak 的对比

特性	speakturbo	speak
首音延迟（Time to first sound）	~90ms	~4–8s
语音克隆	❌	✅
情感标签	❌	✅
语音数量	8 种内置语音	支持自定义 wav 文件
引擎	pocket-tts	Chatterbox