mlx-tts

MLX TTS 是一款专为 Apple Silicon 设备打造的本地文本转语音（TTS）解决方案，它充分利用 Apple 的 MLX 深度学习框架，将开源的 QWen3-TTS 模型直接运行在本地硬件上。用户只需通过简单的命令或自然语言触发，即可将任意文本转换为自然流畅的语音，整个过程无需连接互联网，也无需注册任何 API 密钥，真正实现了"零门槛、零费用、零隐私风险"的语音合成体验。

该技能的核心用法非常直观便捷。用户可以通过 /mlx-tts <text> 命令或自然语言如 "Say hello world" 来触发语音合成。Agent 会调用本地的 mlx-tts.sh 脚本，将文本传递给底层的 mlx_audio 工具进行处理。生成的音频文件以 OGG 格式保存在本地临时目录中，随后通过消息工具作为语音消息直接发送给用户。首次使用时，系统会自动通过 Homebrew 安装必要的依赖（包括 uv 包管理器和 mlx_audio 工具），并下载所需的 AI 模型文件（约 1-2GB）。

显著优点方面，MLX TTS 最大的优势在于其完全的本地化处理能力。所有文本数据和生成的音频都保留在用户设备上，不会上传至任何第三方服务器，这对于处理敏感信息（如医疗记录、法律文档或商业机密）的用户来说至关重要，特别适合对数据主权有严格要求的场景。同时，依托 Apple Silicon 的神经网络引擎，语音合成速度快且完全免费，不存在云端 API 的调用次数限制、网络延迟或费用问题。此外，作为开源方案，用户拥有完全的自由度，可以根据需要自定义模型或调整生成参数，不受商业服务条款约束。

然而，该技能也存在明显的局限性。首先，它严格限定于 macOS 系统且必须是 Apple Silicon 芯片（M1/M2/M3/M4 系列），Intel Mac 或 Windows/Linux 用户完全无法使用，兼容性范围较窄。其次，首次配置需要较长时间下载约数 GB 的模型文件，且依赖 Homebrew 包管理器，这在某些受限网络环境、磁盘空间紧张或企业安全策略严格的设备上可能遇到困难。此外，与云端商业 TTS 服务相比，本地模型的语音自然度、情感表达丰富度以及对多语种的支持范围可能略有不足，且缺乏实时更新优化。

适合的目标群体主要包括：注重隐私保护的 macOS 专业用户（如律师、医生、心理咨询师、研究人员）、需要在离线环境下工作的现场工程师或差旅人士、希望节省 API 调用费用的独立开发者和小型团队，以及拥有 Apple Silicon 设备且对本地 AI 语音合成技术感兴趣的科技爱好者。

使用风险方面，除了前述的硬件和系统限制外，用户需要注意磁盘空间管理，因为模型文件和临时音频文件会持续占用存储空间。另外，虽然脚本使用了安全的临时文件创建机制（mktemp -d），但生成的音频文件默认保存在临时目录中，系统重启后可能自动清理导致丢失，重要内容需要及时转存到永久存储位置。依赖更新也可能带来潜在的兼容性风险，建议定期检查 mlx-audio 和 ffmpeg 的版本兼容性，避免自动更新导致功能异常。