リアルな音声クローンと高忠実な音声合成のために Qwen3-TTS モデルを使用する、プライバシー重視のオフラインテキスト読み上げエンジンです。
インストール＆ダウンロード
1. ClawHub CLI
レジストリから直接スキルをインストールする最速の方法です。
npx clawhub@latest install local-tts
2. 手動インストール
スキルフォルダを以下のいずれかの場所にコピーしてください
~/.openclaw/skills/ <project>/skills/ 優先順位：ワークスペース > ローカル > バンドル
3. プロンプトのインストール
このプロンプトをOpenClawにコピーするだけで、自動的にインストールされます。
Clawhubを使って local-tts をインストールして。Clawhubがインストールされていない場合は、先にインストールしてください（npm i -g clawhub）。
ダウンロードをご希望ですか？
ZIPアーカイブで生のスキルファイルを取得します。
Qwen3-TTS によるローカル TTS とは？
Local-tts は、プライバシーとパフォーマンスを重視するユーザー向けに設計された高性能なテキスト読み上げソリューションです。Qwen3-TTS モデルを活用することで、データがマシンから外部に出ないことを保証し、100% デバイス上での処理を必要とする Openclaw Skills ユーザーに最適です。幅広いプラットフォームをサポートしており、mlx_audio を介して Apple Silicon 用に、標準の CUDA バックエンドを使用して Linux/Windows 用に最適化されています。
このスキルは、プリセットされた自然な音声、テキストベースの音声デザイン、高忠実な音声クローンなど、音声合成のための柔軟なエコシステムを提供します。ローカルの音声アシスタントを構築する場合でも、長尺コンテンツ用のオーディオを生成する場合でも、この実装により、外部 API キーやインターネット接続を必要とせずに、自然で人間のような音声を提供できます。Openclaw Skills フレームワーク内でこれを使用することで、高度な音声機能のシームレスなローカル統合が可能になります。
Qwen3-TTS によるローカル TTS のユースケース
- クラウドに依存せずにビデオ用のプロフェッショナルなナレーションを生成。
- 機密データをローカルで処理するプライバシー準拠の医療または法律アプリケーションの構築。
- Openclaw Skills を使用してパーソナライズされた AI アシスタント用のカスタム音声クローンを作成。
- オフラインでテキストファイルから長尺のオーディオコンテンツを作成。
- macOS および Linux 上のインタラクティブなローカルアプリケーション向けのリアルタイム音声合成。
Qwen3-TTS によるローカル TTS の仕組み
- ユーザーは、ハードウェア（Apple Silicon または NVIDIA GPU）と、プリセット、デザイン、クローン作成などの特定のニーズに基づいて Qwen3-TTS モデルのバリエーションを選択します。
- テキスト入力は、最適化された macOS パフォーマンスのための mlx_audio など、選択されたモデルバックエンドを通じてローカルで処理されます。
- システムは、速度、ピッチ、感情の指示などのオプションパラメータを合成エンジンに適用します。
- 高品質なオーディオがリアルタイムで生成され、ローカルファイルに保存されます。Openclaw Skills に期待される通り、外部サーバーへのデータ送信は一切ありません。
Qwen3-TTS によるローカル TTS のセットアップ
macOS (Apple Silicon) の場合:
pip install mlx-audio
brew install ffmpeg
Linux/Windows (CUDA) の場合:
pip install qwen-tts
Openclaw Skills アーキテクチャを使用して基本的な合成を実行するには:
python -m mlx_audio.tts.generate --text "Hello world" --model mlx-community/Qwen3-TTS-12Hz-1.7B-CustomVoice-8bit --voice Serena
Qwen3-TTS によるローカル TTS のデータスキーマとタクソノミー
| コンポーネント | 説明 | データ形式 |
|---|---|---|
| 出力オーディオ | 合成された音声結果 | .wav |
| 参照オーディオ | 音声クローン用の入力ファイル | .wav, .mp3 |
| モデルの重み | ローカルの Qwen3-TTS の重み | SafeTensors |
| パラメータ | 速度、ピッチ、音声用の CLI 引数 | String/Float |
Qwen3-TTS によるローカル TTS の高度な機能
- 自然言語の記述から独自の合成音声を作成するためのテキストベースの VoiceDesign。
- Base モデルと短い参照オーディオクリップを使用したゼロショット音声クローン機能。
- 自動セグメント結合とトークン管理による最適化された長文生成。
- CustomVoice モデル使用時のスタイルと感情の制御（例：興奮、共感）のサポート。
- Openclaw Skills 内での Apple Silicon および CUDA 対応 Linux 環境向けのネイティブな最適化。
SKILL.md
ローディング
関連するOpenclawのスキル
Music Generator Skill
自然言語の記述を完全な楽曲、インストゥルメンタルトラック、またはカスタム歌詞に変換する自動 AI 音楽制作エンジンです。
tron-block-info
トランザクションの内訳、ウィットネスデータ、リソース消費など、TRON ブロックチェーンのブロックを照会およびレポートするための包括的な分析ツールです。
TronScan Search
名前、シンボル、キーワードを実行可能なコントラクトアドレスやトランザクションデータに解決する、強力な TRON ブロックチェーン検索ユーティリティです。
FinStep 金融データサービス
AI コーディングエージェントにリアルタイムの市場相場、企業分析、およびマクロ経済指標を提供するプロフェッショナルグレードの金融データ API スイートです。
Xpulse
Xpulse は、ローカル AI を使用して、予測市場のトレーダー向けにトレード可能なインサイトを検出し、フィルタリングする高精度なリアルタイム X シグナルスキャナーです。
Myway OpenClaw 個人用ダッシュボード
OpenClaw ゲートウェイによって提供される、ローカルファーストの個人用 AI ホーム画面およびダッシュボードです。
MDShare Agent
MDShare サービスを通じて、一時的でパスワード保護された Markdown 共有を作成、読み取り、管理するための専用エージェントです。
特徴*
