テキスト読み上げ（TTS）

Mayrosは、ElevenLabs、OpenAI、またはEdge TTSを使用してアウトバウンド返信を音声に変換できます。 Mayrosが音声を送信できる場所ならどこでも機能します。Telegramでは丸い音声ノートバブルが表示されます。

サポートされているサービス

  • ElevenLabs（プライマリまたはフォールバックプロバイダー）
  • OpenAI（プライマリまたはフォールバックプロバイダー。要約にも使用）
  • Edge TTS（プライマリまたはフォールバックプロバイダー。node-edge-ttsを使用、APIキー不要時のデフォルト）

Edge TTSノート

Edge TTSは、node-edge-tts ライブラリ経由でMicrosoft EdgeのオンラインニューラルTTSサービスを使用します。これはホストされたサービス（ローカルではない）で、Microsoftのエンドポイントを使用し、 APIキーを必要としません。node-edge-ttsは音声設定オプションと 出力フォーマットを公開しますが、すべてのオプションがEdgeサービスでサポートされているわけではありません。

Edge TTSは公開されたSLAやクォータのないパブリックWebサービスであるため、ベストエフォートとして扱ってください。保証された制限とサポートが必要な場合は、OpenAIまたはElevenLabsを使用してください。 MicrosoftのSpeech REST APIはリクエストごとに10分の音声制限を文書化しています。Edge TTSは 制限を公開していないため、同様またはより低い制限を想定してください。

オプションキー

OpenAIまたはElevenLabsが必要な場合：

  • ELEVENLABS_API_KEY（またはXI_API_KEY）
  • OPENAI_API_KEY

Edge TTSはAPIキーを必要としません。APIキーが見つからない場合、Mayrosはデフォルトで Edge TTSになります（messages.tts.edge.enabled=falseで無効化されていない限り）。

複数のプロバイダーが設定されている場合、選択されたプロバイダーが最初に使用され、他のプロバイダーはフォールバックオプションです。 自動要約は設定されたsummaryModel（またはagents.defaults.model.primary）を使用するため、 要約を有効にする場合、そのプロバイダーも認証されている必要があります。

サービスリンク

デフォルトで有効ですか？

いいえ。自動TTSはデフォルトでオフです。設定でmessages.tts.autoで有効にするか、セッションごとに/tts always（エイリアス：/tts on）で有効にします。

Edge TTSはTTSがオンになるとデフォルトで有効で、OpenAIまたはElevenLabs APIキーが利用できない場合に自動的に使用されます。

設定

TTS設定はmayros.jsonのmessages.ttsの下にあります。 完全なスキーマはGateway設定にあります。

最小設定（有効 + プロバイダー）

json5
{
  messages: {
    tts: {
      auto: "always",
      provider: "elevenlabs",
    },
  },
}

OpenAIプライマリ、ElevenLabsフォールバック

json5
{
  messages: {
    tts: {
      auto: "always",
      provider: "openai",
      summaryModel: "openai/gpt-4.1-mini",
      modelOverrides: {
        enabled: true,
      },
      openai: {
        apiKey: "openai_api_key",
        model: "gpt-4o-mini-tts",
        voice: "alloy",
      },
      elevenlabs: {
        apiKey: "elevenlabs_api_key",
        baseUrl: "https://api.elevenlabs.io",
        voiceId: "voice_id",
        modelId: "eleven_multilingual_v2",
        seed: 42,
        applyTextNormalization: "auto",
        languageCode: "en",
        voiceSettings: {
          stability: 0.5,
          similarityBoost: 0.75,
          style: 0.0,
          useSpeakerBoost: true,
          speed: 1.0,
        },
      },
    },
  },
}

Edge TTSプライマリ（APIキーなし）

json5
{
  messages: {
    tts: {
      auto: "always",
      provider: "edge",
      edge: {
        enabled: true,
        voice: "en-US-MichelleNeural",
        lang: "en-US",
        outputFormat: "audio-24khz-48kbitrate-mono-mp3",
        rate: "+10%",
        pitch: "-5%",
      },
    },
  },
}

Edge TTSを無効化

json5
{
  messages: {
    tts: {
      edge: {
        enabled: false,
      },
    },
  },
}

カスタム制限 + 設定パス

json5
{
  messages: {
    tts: {
      auto: "always",
      maxTextLength: 4000,
      timeoutMs: 30000,
      prefsPath: "~/.mayros/settings/tts.json",
    },
  },
}

インバウンド音声ノート後のみ音声で返信

json5
{
  messages: {
    tts: {
      auto: "inbound",
    },
  },
}

長い返信の自動要約を無効化

json5
{
  messages: {
    tts: {
      auto: "always",
    },
  },
}

次に実行：

/tts summary off

フィールドのノート

  • auto: 自動TTSモード（off、always、inbound、tagged）。
    • inboundはインバウンド音声ノート後のみ音声を送信。
    • taggedは返信に[[tts]]タグが含まれている場合のみ音声を送信。
  • enabled: レガシートグル（doctorがこれをautoに移行）。
  • mode: "final"（デフォルト）または"all"（ツール/ブロック返信を含む）。
  • provider: "elevenlabs"、"openai"、または"edge"（フォールバックは自動）。
  • providerが未設定の場合、Mayrosはopenai（キーがある場合）、次にelevenlabs（キーがある場合）、 それ以外はedgeを優先します。
  • summaryModel: 自動要約用のオプションの安価なモデル。デフォルトはagents.defaults.model.primary。
    • provider/modelまたは設定されたモデルエイリアスを受け入れます。
  • modelOverrides: モデルがTTSディレクティブを発行できるようにします（デフォルトでオン）。
    • allowProviderはデフォルトでfalse（プロバイダー切り替えはオプトイン）。
  • maxTextLength: TTS入力のハードキャップ（文字）。超過すると/tts audioが失敗。
  • timeoutMs: リクエストタイムアウト（ms）。
  • prefsPath: ローカル設定JSONパスを上書き（プロバイダー/制限/要約）。
  • apiKey値は環境変数（ELEVENLABS_API_KEY/XI_API_KEY、OPENAI_API_KEY）にフォールバック。
  • elevenlabs.baseUrl: ElevenLabs APIベースURLを上書き。
  • elevenlabs.voiceSettings:
    • stability、similarityBoost、style: 0..1
    • useSpeakerBoost: true|false
    • speed: 0.5..2.0（1.0 = 通常）
  • elevenlabs.applyTextNormalization: auto|on|off
  • elevenlabs.languageCode: 2文字のISO 639-1（例：en、de）
  • elevenlabs.seed: 整数0..4294967295（ベストエフォート決定論）
  • edge.enabled: Edge TTS使用を許可（デフォルトtrue。APIキー不要）。
  • edge.voice: Edgeニューラル音声名（例：en-US-MichelleNeural）。
  • edge.lang: 言語コード（例：en-US）。
  • edge.outputFormat: Edge出力フォーマット（例：audio-24khz-48kbitrate-mono-mp3）。
    • 有効な値については、Microsoft音声出力フォーマットを参照。すべてのフォーマットがEdgeでサポートされているわけではありません。
  • edge.rate / edge.pitch / edge.volume: パーセント文字列（例：+10%、-5%）。
  • edge.saveSubtitles: 音声ファイルと一緒にJSON字幕を書き込む。
  • edge.proxy: Edge TTSリクエスト用のプロキシURL。
  • edge.timeoutMs: リクエストタイムアウト上書き（ms）。

モデル駆動の上書き（デフォルトでオン）

デフォルトでは、モデルは単一の返信に対してTTSディレクティブを発行できます。 messages.tts.autoがtaggedの場合、これらのディレクティブは音声をトリガーするために必要です。

有効な場合、モデルは[[tts:...]]ディレクティブを発行して、単一の返信の音声を上書きでき、 オプションで[[tts:text]]...[[/tts:text]]ブロックを提供して、 表現力豊かなタグ（笑い、歌の合図など）を提供できます。これらは音声にのみ表示されます。

provider=...ディレクティブは、modelOverrides.allowProvider: trueでない限り無視されます。

返信ペイロードの例：

Here you go.

[[tts:voiceId=pMsXgVXv3BLzUgSXRplE model=eleven_v3 speed=1.1]]
[[tts:text]](laughs) Read the song once more.[[/tts:text]]

利用可能なディレクティブキー（有効な場合）：

  • provider（openai | elevenlabs | edge、allowProvider: trueが必要）
  • voice（OpenAI音声）またはvoiceId（ElevenLabs）
  • model（OpenAI TTSモデルまたはElevenLabsモデルID）
  • stability、similarityBoost、style、speed、useSpeakerBoost
  • applyTextNormalization（auto|on|off）
  • languageCode（ISO 639-1）
  • seed

すべてのモデル上書きを無効化：

json5
{
  messages: {
    tts: {
      modelOverrides: {
        enabled: false,
      },
    },
  },
}

オプションの許可リスト（他のノブを設定可能に保ちながらプロバイダー切り替えを有効にする）：

json5
{
  messages: {
    tts: {
      modelOverrides: {
        enabled: true,
        allowProvider: true,
        allowSeed: false,
      },
    },
  },
}

ユーザーごとの設定

スラッシュコマンドは、ローカル上書きをprefsPath（デフォルト： ~/.mayros/settings/tts.json、MAYROS_TTS_PREFSまたは messages.tts.prefsPathで上書き）に書き込みます。

保存されるフィールド：

  • enabled
  • provider
  • maxLength（要約しきい値。デフォルト1500文字）
  • summarize（デフォルトtrue）

これらはそのホストのmessages.tts.*を上書きします。

出力フォーマット（固定）

  • Telegram: Opus音声ノート（ElevenLabsからopus_48000_64、OpenAIからopus）。
    • 48kHz / 64kbpsは、音声ノートのトレードオフと丸いバブルに必要です。
  • その他のチャネル: MP3（ElevenLabsからmp3_44100_128、OpenAIからmp3）。
    • 44.1kHz / 128kbpsは、音声の明瞭さのデフォルトバランスです。
  • Edge TTS: edge.outputFormatを使用（デフォルトaudio-24khz-48kbitrate-mono-mp3）。
    • node-edge-ttsはoutputFormatを受け入れますが、すべてのフォーマットがEdgeサービスから利用できるわけではありません。
    • 出力フォーマット値は、Microsoft音声出力フォーマット（Ogg/WebM Opusを含む）に従います。
    • Telegram sendVoiceはOGG/MP3/M4Aを受け入れます。保証されたOpus音声ノートが必要な場合は、OpenAI/ElevenLabsを使用してください。
    • 設定されたEdge出力フォーマットが失敗した場合、MayrosはMP3で再試行します。

OpenAI/ElevenLabsフォーマットは固定されています。TelegramはOpusを音声ノートUX用に期待しています。

自動TTS動作

有効な場合、Mayros：

  • 返信に既にメディアまたはMEDIA:ディレクティブが含まれている場合、TTSをスキップします。
  • 非常に短い返信（< 10文字）をスキップします。
  • 有効な場合、agents.defaults.model.primary（またはsummaryModel）を使用して長い返信を要約します。
  • 生成された音声を返信に添付します。

返信がmaxLengthを超え、要約がオフ（または要約モデルのAPIキーがない）の場合、音声 はスキップされ、通常のテキスト返信が送信されます。

フロー図

返信 -> TTS有効？
  いいえ  -> テキストを送信
  はい -> メディア / MEDIA: / 短い？
          はい -> テキストを送信
          いいえ  -> 長さ > 制限？
                   いいえ  -> TTS -> 音声を添付
                   はい -> 要約有効？
                            いいえ  -> テキストを送信
                            はい -> 要約（summaryModelまたはagents.defaults.model.primary）
                                      -> TTS -> 音声を添付

スラッシュコマンド使用法

単一のコマンドがあります：/tts。 有効化の詳細については、スラッシュコマンドを参照してください。

Discord注意: /ttsはDiscordの組み込みコマンドであるため、Mayrosはそこでネイティブコマンドとして/voiceを登録します。テキスト/tts ...は引き続き機能します。

/tts off
/tts always
/tts inbound
/tts tagged
/tts status
/tts provider openai
/tts limit 2000
/tts summary off
/tts audio Hello from Mayros

注意事項：

  • コマンドには認証された送信者が必要です（許可リスト/所有者規則は引き続き適用されます）。
  • commands.textまたはネイティブコマンド登録が有効である必要があります。
  • off|always|inbound|taggedはセッションごとのトグルです（/tts onは/tts alwaysのエイリアス）。
  • limitとsummaryはローカル設定に保存され、メイン設定には保存されません。
  • /tts audioは一回限りの音声返信を生成します（TTSをオンにしません）。

エージェントツール

ttsツールはテキストを音声に変換し、MEDIA:パスを返します。 結果がTelegram互換の場合、ツールには[[audio_as_voice]]が含まれるため、 Telegramは音声バブルを送信します。

Gateway RPC

Gatewayメソッド：

  • tts.status
  • tts.enable
  • tts.disable
  • tts.convert
  • tts.setProvider
  • tts.providers