一、前言 你有没有想过，让电脑帮你念一段文章？或者给家里的智能设备添加语音播报功能？ 很多人第一次接触语音合成（TTS），想到的是讯飞、百度这些云端API。但仔细一算：调用一次要花钱、网不好会卡顿、隐私数据还要传出去——这对于普通用户来说，门槛实在太高了。 更现实的需求是这样的： 这些场景共同的特点是：设备性能有限、没有显卡、最好能离线使用、还要省钱。 这就是轻量级TTS的用武之地。 二、轻量级TTS方案对比 说方案、对比方案前，先用我实测的一些音频大家听一下效果，感受一下MeloTTS的实际效果。 中英混合：欢迎关注我的公众号：奥德元。一起学习AI，一起追赶时代。Good good study, day day up. 英文-美国口音： text to read 英文-澳大利亚口音： text to read 2.1 主流轻量级TTS方案一览 方案 参数量 部署要求 中文支持 开源协议 特点 MeloTTS ~300M CPU实时 ✅ 优秀 MIT 多语言、多口音、推理快 espeak-ng – 超低资源 一般 GPL 体积超小(4MB)，音质机械 Flite – 低资源 ❌ C 轻量但效果一般 VITS […]
Monthly Archives: March 2026
8 posts
一、前言 前两天针对轻量级TTS引擎Kokoro做了一些测试（ https://mp.weixin.qq.com/s/xKBLfAkfImwHrjYIml0KuA ），测试下来发现效果居然挺好的，而且自带8种音色的支持，纯CPU跑，速度还快，测完了我就停不下来了，当时就想把它整合到我的OddTTS项目，今天周末终于有空，于是就简单搞了一下，现在已经在我的小落同学上用上了。 二、主要更新 先看效果 正常语速wav格式 正常语速mp3格式 更新内容 三、如何使用 1. 安装 pip install -i https://pypi.org/simple/ oddtts 2. 启动 oddtts 启动后，浏览器打开地址：http://127.0.0.1:9001 若要允许其他IP访问，请使用以下命令启动服务，将host设置为0.0.0.0，端口也可以改成你自定义的端口。 启动后，浏览器打开地址：http://your_ip_addr:8080 3. API调用示例 以下是一个OddTTS的API调用的示例，建议用OpenAI 兼容接口 四、注意事项 模型下载问题 Kokoro的模型放在huggingface.co上，在国内访问存在问题，解决方案： set HF_ENDPOINT=https://hf-mirror.comset HF_HOME=F:/ai_share/models export HF_ENDPOINT=https://hf-mirror.comexport HF_HOME=/opt/ai_share/models 输出wav正常，输出MP3报错 OddTTS的依赖里有加了ffmpeg，但是如果你机器上原先就有安装过ffmpeg有可能会报错，若是报错了，请再手动安装一下ffmpeg即可。 服务启动失败 语音合成失败 如何切换TTS引擎 输出格式 环境要求
一、前言 你是否遇到过这样的场景：想给项目添加语音合成功能，却被各种问题困扰——要么模型太大动辄几GB，要么必须依赖GPU云端API，要么商用授权一团糟。 对于个人开发者和小型团队来说，一个理想的TTS方案应该满足三个条件：轻量到能在CPU上跑、免费可商用、效果足够自然。 今天要介绍的 Kokoro-82M，就是这样一款满足所有条件的神器。它只有82M参数，却能输出相当自然的中文语音；体积小巧到只需几百MB，却支持8种不同音色。更重要的是——它完全开源，Apache 2.0许可，零成本商用。 二、方案介绍 概念 定义 Kokoro-82M 由 hexgrad 开发的轻量级TTS模型，仅82M参数，支持8种中文音色 ONNX优化 模型经过ONNX优化，可在CPU上高效推理，无需GPU 语音管道(Pipeline) Kokoro 的核心API，负责分词、音素转换、语音合成全流程 音色(Voice) 预训练的音色模型，不同音色适合不同场景 为什么选择 Kokoro？ 指标 数值 参数规模 82M 模型大小 ~165MB 输出采样率 24kHz 支持语言 中文、英语、日语、韩语等8种 中文音色数 8种（4女4男） 推理设备 CPU / GPU 许可协议 Apache 2.0 对比同级别模型，Kokoro 在中文场景下表现尤为突出——不仅音色自然，而且对中文多音字的处理也相当不错。对于没有GPU的个人开发者来说，这可能是目前最优的中文TTS本地方案。 先实际听一下用kokoro合成的音频 我用kokoro生成了一下奥德元的口号：关注我的公众号：奥德元，一起学习 A I，一起追赶时代。，一个男声，一个女声，大家可以实际听下、感受一下合成的语音的效果。 男声： zm_yunyang： kokoro_zm_yunyang.wav女声： […]
七个配置文件：SOUL、USER、AGENTS、HEARTBEAT、IDENTITY、BOOTSTRAP、TOOLS，三种使用场景：个人助手、个人知识库、数字分身（跟我的小落同学一样，复刻一个数字版本的你自己），加上 MEMORY 让你的 OpenClaw 从「傻白甜」变成「专属智能体」 很多人装了 OpenClaw，也接了飞书/Telegram，却总觉得它还是个”有记忆的 ChatGPT”——每次对话像在和陌生人聊天。 其实决定 AI 智商的，不是插件有多少，而是藏在 ~/.openclaw/workspace/ 目录下的 7 个 Markdown 文件。 这篇文章带你从零搞懂这套配置体系，并用个人助手、个人知识库、数字分身三个场景，手把手教你配置。 一、前言 OpenClaw 是 2026 年最火的开源 AI Agent 框架之一，GitHub 星标突破 25 万。它的核心理念是：AI 不应该是云端的黑盒，而应该跑在你自己的机器上，接入你日常使用的工具。 但问题来了——装好 OpenClaw 之后，很多人发现它和其他聊天机器人没什么区别。问什么答什么，没有主动性，不了解你的偏好，甚至每次对话都像失忆了一样。 原因很简单：你没有给它注入”灵魂”。 OpenClaw 的灵魂，藏在工作区目录下的 7 个 Markdown 文件里。搞懂它们，你的 AI 就能从”通用工具”进化成”专属搭档”。 二、方案介绍：7 个文件各管什么 OpenClaw 的工作区默认位于 ~/.openclaw/workspace/，所有配置都是纯 Markdown 文件，不需要懂代码就能编辑。 核心文件一览 文件 回答的问题 类比 […]
想不想拥有一个完全属于你自己的”小爱同学”或”小艺”？今天我来教你用开源项目 OddAgent，从零开始搭建一套智能家居意图识别系统。 一、前言 清晨，你刚睁开眼，窗帘自动缓缓拉开，温暖的阳光洒进房间。你随口说一句”我起床了”，灯光从暗淡的夜灯模式切换到柔和的晨光，咖啡机已经启动——这不是科幻电影，而是智能家居正在实现的未来。 然而，当你想要DIY一套完全可控的智能家居系统时，往往面临两难：要么选择米家、HomeKit 等封闭生态，功能受限于平台；要么自研整个系统，从设备协议到AI对话，技术门槛高得离谱。 今天要介绍的 OddAgent 项目，为我们提供了一条中间路线——它专注于意图识别，你可以对接任意品牌的设备，只需专注于实现具体的业务逻辑。 二、方案介绍 2.1 什么是 OddAgent 概念 定义 OddAgent 一个通用的意图、指令识别框架，基于 LLM 实现自然语言理解 Intent（意图） 用户想要完成的操作，如”打开客厅灯” Slot（槽位） 意图中的关键参数，如房间”客厅”、设备”灯” Tool（工具） 实际执行操作的接口，如控制灯的 API 配图 1 展示 OddAgent 识别用户语音/文字指令的流程图 OddAgent 的核心能力可以用一句话概括：“只负责听懂你要什么，不负责具体怎么干。” 它把意图识别做到极致，把功能实现交给开发者。 2.2 核心特性 2.3 为什么选择 OddAgent 对比自研 NLU 系统： 维度 自研 NLU OddAgent 开发周期 3-6 个月 1 […]
序言 想象这样一个场景：你花了半小时向 AI 助手解释你的项目架构、编码偏好和团队规范，得到了一次满意的协作体验。第二天你带着新问题回来，它却一脸茫然——「请问您的项目使用什么技术栈？」 这不是科幻，这是无数 OpenClaw「养成」过程中最常见的阵痛。 这不是科幻，这是无数 OpenClaw 用户每天都在经历的现实。 「OpenClaw 又忘了！」——这是 GitHub Issue 区最常见的抱怨。就在今年 1 月，一位开发者在 Issue #5429 中诉说了自己的遭遇：他花 45 小时与 Agent 协作积累的配置、技能集成、任务优先级，在一次静默的压缩（compaction）操作后全部消失。原因很简单：OpenClaw 在上下文窗口满载时，会自动对历史对话进行摘要和压缩，而这个过程没有任何警告。 这不是孤例。另一位用户报告说，他正在处理一个重要的代码重构任务，当对话进行到第 72 分钟时，compaction 触发了无限循环，整个 Agent 被锁死了 72 分钟。再重启时，之前的工作成果荡然无存。 本文将带你从痛点出发，遍历官方与社区方案，最终选定 lily-memory 这套「本地化 + 混合搜索 + 零成本」的方案，手把手教你从零养成 OpenClaw 的持久记忆能力。 一、前言：问题本质——三层失效 要理解 OpenClaw 为什么会「失忆」，我们需要理解它的记忆架构。在实际使用中，记忆失效发生在三个层面： 失效层一：从未存储。这是最常见的情况。用户在与 Agent 对话时，会自然地给出一些重要信息：「我习惯用 Tab 缩进」「上次那个 […]
一、前言 养了三个星期的龙虾，由于可以在手机上就能指挥它干活，相比电脑上用ClaudeCode/OpenCode或者其它IDE带来了很大的便利，但是带来便利的同时就是这家伙的胃口太好，太吃token了。 前天3月18日，阿里云与百度智能云同一天宣布涨价。阿里云涨幅最高达34%；百度智能云则上调约5%—30%，并行文件存储等价格上调约30%。两家云厂商均将涨价归因于“全球AI需求爆发”。 腾讯云一周前已宣布上调两款自研模型Tencent HY2.0 Instruct和Tencent HY2.0 Think的价格，上涨463%。同时，腾讯云结束对GLM 5、MiniMax 2.5、Kimi 2.5 三款模型的免费公测，转为正式商用服务。 1、阿里云百炼 阿里云百炼 Coding plan套餐：https://bailian.console.aliyun.com/cn-beijing 前两天还有7.9元和39.9元的coding plan套餐，当时只是没抢到。 现在你再打开阿里云百炼的 Coding plan，会发现原先的7.9元和39.9元的两个套餐已经没有了，只剩下那个200元的套餐了。 2、百度云 百度千帆 Coding plan套餐：https://console.bce.baidu.com/qianfan/resource/subscribe 同阿里云百炼，40元的套餐已经买不到，只有200元的套餐还可以买。 二、寻找各种可白嫖的API Token方案 网上一搜免费API，你会发现：卧草，各种可以白嫖的API，什么Googe Gemini，OpenRouter， Nvidia的，但是我试了一下，在国内Gemini和Nvidia都无法使用，创建了API后，直接报401。 OpenRouter的可以用，但是额度太少，像我的小落同学的使用场景，三两下就把额度花完了。 最后找到OpenCode Zen的方案，目前是给小落同学还有我本机的OpenClaw给配置上去了。 三、如何白嫖OpenCode Zen的API token 步骤很简单：注册账号，复制自动创建的API Key，选择免费模型并测试，配置到你的OpenClaw。 1. 注册并登录OpenCode账号 登录你的OpenCode账号（如果还没有的话，那就注册一个），然后点击上面菜单项中的 Zen，或者直接打开链接：https://opencode.ai/zen ，Get Started With Zen, 进入你的workspace，这个时候opencode就已经给你自动创建了一个api key。如： 2. […]
前言：我想玩龙虾，但我不想掏钱 最近，OpenClaw 这个项目火遍了圈子，我也迫不及待地在自己的电脑上部署了一套，想让它成为我的 24 小时智能助理，也顺便想学习一下看看能给我的小落同学带来一些什么样的新思路。 然而，兴奋劲还没过，我就遇到了一个尴尬的现实问题：想要让它具备“联网搜索”能力，官方推荐的方案大多需要注册 API Key，要么有严格的免费额度限制，要么就得绑卡付费。 作为一个只想在本地跑跑实验、查查资料，既不想注册一堆账号，更不想每个月为几个搜索请求掏腰包的人，我觉得这很不爽。我的原则很简单：既然是本地部署的开源项目，那就应该尽可能地把控制权和数据隐私掌握在自己手里，而且——必须免费！ 于是，我花了一个下午，调研了市面上所有的免费搜索方案，从阿里云百炼的免费额度，到 Tavily 的每月限额，再到 Google Serper 的试用陷阱。最终，我锁定并成功实施了一个完全免费、无需注册、纯本地运行的终极方案：DuckDuckGo + 自建 Python 脚本。 现在，我的 OpenClaw 已经可以帮我查新闻、搜论文、核实事实，而我不需要花一分钱，也不用担心配额用完。 这篇文档就是我整个折腾过程的复盘。如果你也像我一样，想用 OpenClaw 又想极致省钱，那么请跟随我的脚步，我们一起把这个“免费永动机”装上去。 1. 我的方案选型心路历程 在动手之前，我像做侦探一样对比了所有可能的路径。以下是我当时的思考过程： 方案 我的评价 为什么我没选它？ A. 阿里云百炼/百度等大厂 API 稳定是稳定，但太麻烦。 我得注册账号、实名认证、创建应用、获取 Key。而且免费额度用完了怎么办？还要绑定支付宝？算了，太重了。 B. Tavily / Serper 等专用 API 专为 AI 设计，很好用。 每月只有几百次免费调用。对于我这种喜欢让 Agent 疯狂测试的人来说，两天就爆表了。还得时刻盯着配额，心累。 C. […]