如果产品演示已经有稿子，speech 可以把文稿变成配音文件。这个独立版本使用内置声音，通过配套工具生成单条片段或批量输出；你可以指定语速、停顿和强调，但应先把必须逐字保留的文本与表演要求分开。
安装与准备
本文介绍 openai/skills 保留的独立 Skill 版本。该仓库已弃用，当前官方示例转至 openai/plugins；这里的步骤对应本页链接的旧仓库版本，不代表最新插件。
在 Codex 对话框输入下面这一行；它不是终端命令。安装后若找不到该 Skill，重启 Codex 再试。
$skill-installer speech
- 已定稿的文本、期望语言与输出格式
- Python 与 openai 包
- 本机 OPENAI_API_KEY 及可用的音频 API 项目
准备文字时另列发音、语速和情绪要求。向听众提供 AI 生成语音的明确说明，是 API 文档列出的使用要求。这个 Skill 的范围是内置声音；不要把 API 的其他声音能力当作该旧版本已经提供。 [4]
第一次怎么用
先用一小段稿子试听，例如：
$speech
为下面这段产品演示稿生成 MP3：
“欢迎使用我们的报表工具。先选择日期，再点击生成报表。”
使用内置声音，普通话，语气清晰平稳，第二句前稍停顿；逐字保留文本。先检查依赖与 API 配置并告诉我将用的模型和声音，不显示密钥。保存到 output/speech/report-demo.mp3，并记录最终文本与参数。
接下来怎样推进
-
锁定输入。 把准确文稿、声音偏好、格式和输出位置写清；多条任务为每条指定稳定文件名。
-
生成一个小样。 先用代表性片段确认声音和节奏，再处理完整文稿或批量任务。旧脚本的模型默认值应先确认仍可用。
-
只改一项再试听。 发现问题后针对语速、发音提示或声音做单独调整，避免同时修改多项后无法判断变化原因。
先做一段短小样
把要读的最终文本、语言、受众、音色偏好、语气和目标格式交给 Agent。若是产品介绍，可以先取开头 2–3 句生成小样，试听专有名词、数字与停顿，再处理全文；不要为批量内容先生成几十条才发现发音错误。API 密钥应在本机配置为 OPENAI_API_KEY，不能贴进提示词或提交到仓库。
提示词可以写：“用现有内置声音为这段中文旁白制作试听，语速自然、产品名按英文读法。先输出一条 WAV 小样和文件路径；我确认后再生成整稿。” 这个请求是建议输入，不是效果承诺。长文需要按 API 输入限制拆段，保持段落边界，并给每段稳定文件名；合并后要试听衔接。当前可用模型、声音和格式仍以 API 项目实际支持为准。
交付音频前检查什么
返回音频文件路径、最终文稿、声音和生成参数。完整试听片头、片尾、专名、数字与片段衔接，检查漏句、重复和截断；必要时请目标听众确认理解。声音太快时一次只改语气提示或声音中的一个条件，便于比较。文件生成成功不代表旁白适合实际视频节奏；面向听众发布时明确说明音频由 AI 生成。
另一个场景：批量电话提示音
多段语音不要把所有文字塞进一次请求。Skill 的批量流程接受逐行 JSONL；例如两条提示可以分别指定文稿、声音、格式与输出名：
{"input":"感谢来电，请稍候。","voice":"cedar","response_format":"mp3","out":"hold.mp3"}
{"input":"销售请按 1，支持请按 2。","voice":"marin","response_format":"wav","out":"menu.wav"}
这只是待生成的输入示例，不代表声音已试听。让 Agent 用随 Skill 提供的脚本执行，并在交付时逐条核对文稿与文件名。某条读错数字时只重做那条，保持其他已确认片段不变；调用速率、输入长度与 API 可用模型都要按实际项目限制检查。
批量短语先试听再拼接
批量语音不一定是电话菜单。有人用相同的 OpenAI TTS API，把英文—法文短语分别生成 MP3，再用 FFmpeg 在法语句后加入练习停顿，拼成约十分钟的学习音轨。借鉴这个方法时，先用本 Skill 为三五条短语各生成一个文件，检查发音和顺序；停顿与合并属于后续音频编辑，不要把它当成 Skill 自动完成的功能。整段音轨做完后仍要试听片段交界、重复和漏句。
常见卡点
文稿太长。 该 Skill 要求单次输入不超过 4096 字符；按语义分段，并保持相同的声音与指导。
专有名词念错。 明确发音提示，先重做一个短片段；若要改写原文，先确定这不会改变必须逐字保留的内容。
想克隆某个人的声音。 这个独立 Skill 不支持自定义声音创建，换内置声音或另行选择合适工具。