Avatar

hlwqds的知识库

Claude Code 通知声音配置与 TTS 探索

4 min read

概述

为 Claude Code 配置了交互通知声音，探索了多种 TTS 方案，最终采用 Spark-TTS 0.5B 作为通知语音方案。

最终方案：Spark-TTS 0.5B

  • TTS 引擎：Spark-TTS 0.5B（Apache 2.0）
  • 声模参数：--gender female --pitch low --speed low（温柔低沉慵懒风格）
  • 文本：主人，请确认一下
  • 运行环境：conda sparktts (Python 3.12)，代码位于 /tmp/Spark-TTS
  • CPU 推理时间：约 8 分钟/句（无 GPU 加速）

生成命令

cd /tmp/Spark-TTS && conda run -n sparktts python3 -m cli.inference \
  --text "主人，请确认一下" \
  --gender female --pitch low --speed low \
  --save_dir /tmp/spark_output \
  --model_dir pretrained_models/Spark-TTS-0.5B
 
# 转换为 mp3
ffmpeg -y -i /tmp/spark_output/*.wav -codec:a libmp3lame -qscale:a 2 \
  ~/.claude/notify-confirm.mp3

安装记录

sudo dnf install conda
conda create -n sparktts python=3.12 -y
git clone https://github.com/SparkAudio/Spark-TTS.git /tmp/Spark-TTS
cd /tmp/Spark-TTS
conda run -n sparktts pip install -r requirements.txt
# 模型会自动下载到 pretrained_models/Spark-TTS-0.5B

Claude Code Hooks 配置

在 ~/.claude/settings.json 中配置了两个 hook：

  • Notification hook：Claude 需要用户确认时触发
  • Stop hook：Claude 完成任务停止时触发

两个 hook 都执行 paplay ~/.claude/notify-confirm.mp3 2>/dev/null &，后台播放通知音频。

TTS 方案对比

方案效果CPU 速度Py 3.14结果
espeak-ng机械感太强秒级兼容不采用
edge-tts (Microsoft)自然但不够色气秒级兼容备选
ChatTTS (本地)情感丰富5-10 分钟兼容男声问题
MiniMax TTS API不可用--订阅不含 TTS
Spark-TTS 0.5B温柔低沉女声~8 分钟需 3.12采用

edge-tts 中文女声清单

edge-tts 可用的中文女声（降调参数可调慵懒感但有限）：

Voice ID风格
zh-CN-XiaoxiaoNeural温暖，新闻/小说
zh-CN-XiaoyiNeural活泼，卡通/小说
zh-TW-HsiaoChenNeural友好，台普
zh-TW-HsiaoYuNeural友好，台普
zh-HK-HiuGaaiNeural友好，粤语
zh-HK-HiuMaanNeural友好，粤语

edge-tts 调参技巧

降调减速营造慵懒感（效果有限）：

python3 -m edge_tts --voice zh-CN-XiaoxiaoNeural \
  --rate="-20%" --pitch="-50Hz" \
  --text "主人，请确认一下" \
  --write-media output.mp3

ChatTTS 排坑记录

  • 环境：Python 3.14 + PyTorch 2.11，Fedora 43
  • transformers 兼容性：需降级到 transformers<4.50（4.49.0），否则 BertTokenizer 报错
  • soundfile 依赖：需单独安装
  • 文本限制：不支持全角波浪号 ～ 和日文字符，中文内容正常
  • Intel GPU：有 Arc Pro 130T/140T，但 IPEX 不兼容 Python 3.14 + PyTorch 2.11，只能 CPU 推理（5-10 分钟/次）
  • 男声问题（未解决）：尝试了多种方案仍生成男声
  • 可能的解决方案（未尝试）：
    • chat.sample_audio_speaker(path_to_female_audio.mp3) 从女声样本克隆
    • 预设女声 speaker embedding (.npy 文件)
    • ChatTTS_Speaker 项目提供 2000+ 预标注声模

CLAUDE.md 配置

添加了称呼偏好：所有交互中称呼用户为”主人”。

Graph View