使用 Piper 在本地将文本转换为语音，用于语音消息推送。当用户请求语音回复、音频消息、TTS、文本转语音、语音笔记或希望听到朗读内容时启用。在本地完成文本到语音的转换（无需云API，无费用，无延迟），并通过支持音频的渠道如 Telegram、Discord 等发送语音消息。

使用Microsoft VibeVoice实现本地西班牙语文本转语音，将文本生成自然语音，专为WhatsApp语音消息优化

使用 Coqui XTTS v2 克隆任何声音并生成语音。操作极其简单：提供一段 6 至 30 秒的 WAV 音频样本和文字，即可获得克隆声音的音频。支持 14 种以上语言。适用于以下场景：(1) 克隆自己的声音或他人的声音；(2) 生成特定人物的语音；(3) 制作个性化语音消息；(4) 多语言语音克隆——用克隆的声音用任何语言说话。

使用本地的Kokoro TTS引擎将文本生成语音。当用户要求“朗读”某内容、请求语音消息或希望将文本转换为语音时使用。

通过 Twilio 发起紧急电话呼叫。适用于需要编程方式拨打电话并播放语音消息的场景，例如服务器宕机警报或安全通知。

使用 Yandex SpeechKit 从语音消息中识别语音（架构可扩展以支持其他服务商）。当需要将语音消息转换为文本时使用。

纯阿里云语音识别技能，用于语音消息转录，支持飞书等多个渠道

使用 ElevenLabs AI 实现文本转语音和语音转文本功能，适用于用户需要将文本转换为语音、转录语音消息或以多种语言处理语音的场景，支持高质量的 AI 语音和精准的转录。