--- slug: "tts-whatsapp-paid" name: "tts-whatsapp-paid" version: 1.0.1 displayName: "WhatsApp语音消息专业版" summary: "企业级WhatsApp语音消息工具,支持群发广播、定时发送、批量处理与消息模板,适配团队协作。。面向团队与企业用户的 WhatsApp 语音消息工具(专业版)。核心能力: - 涵盖免费版全部" summary_zh: "企业级WhatsApp语音消息工具,支持群发广播、定时发送、批量处理与消息模板,适配团队协作。。面向团队与企业用户的 WhatsApp 语音消息工具(专业版)。核心能力: - 涵盖免费版全部" license: "MIT" edition: "pro" description: |- 面向团队与企业用户的 WhatsApp 语音消息工具(专业版)。核心能力: - 涵盖免费版全部能力(Piper TTS、40+ 语言、单条发送) - 群组广播:发送到 WhatsApp 群组 - 批量发送:联系人列表群发 - 定时发送:cron 任务自动发送 - 消息模板:变量替换与个性化 - 多语言批量:一次任务多语言消息 - 发送队列与并发控制 - 发送报告与状态追踪 - API 服务化:FastAPI 封装 - 联系人管理(CRM)集成 适用场景: - 企业客服语音消息群发 - 营销活动语... tags: - 创意设计 - 语音合成 - WhatsApp - 企业级 - 群发广播 - 自动化 - 社交 - 通信 - self - target - lang - message tools: - read - exec - write homepage: "" category: "Communication" --- # WhatsApp语音消息专业版 ## 付费版专享能力 | 能力 | 免费版 | 付费版 | |---|---|---| | 基础功能 | 支持 | 支持 | | WhatsApp语音消息专业版定时发送 | 不支持 | 支持 | | WhatsApp语音消息专业版批量处理 | 不支持 | 支持 | | 多渠道消息批量发送 | 不支持 | 支持 | | 消息模板与变量注入 | 不支持 | 支持 | | 送达状态实时回调 | 不支持 | 支持 | ## 核心能力 ### 免费版 vs 专业版对比 | 能力 | 免费版 | 专业版 | 增量价值 | |:-----|:-----|:-----|:-----| | TTS 合成 | 支持 | 支持 | - | | 多语言 | 40+ | 40+ | - | | 单人发送 | 支持 | 支持 | - | | 音质/语速 | 支持 | 支持 | - | | 自动清理 | 支持 | 支持 | - | | 群组发送 | 不支持 | 支持 | 群广播 | | 批量发送 | 不支持 | 联系人列表群发 | 生产力 | | 定时发送 | 不支持 | cron 任务 | 自动化 | | 消息模板 | 不支持 | 变量替换 | 个性化 | | 多语言批量 | 不支持 | 一次任务多语言 | 国际化 | | 发送队列 | 不支持 | 并发控制 | 高吞吐 | | 发送报告 | 不支持 | 状态追踪 | 审计 | | API 服务 | 不支持 | FastAPI | 远程调用 | | CRM 集成 | 不支持 | 联系人管理 | 客户运营 | **输入**: 用户提供免费版 vs 专业版对比所需的指令和必要参数. **输出**: 返回免费版 vs 专业版对比的处理结果,包含执行状态码、结果数据和执行日志. ### TTS 合成 针对TTS 合成,自动解析输入参数、调度任务队列、格式化输出,返回结构化响应. **输入**: 用户提供TTS 合成相关的配置参数、输入数据和处理选项. **输出**: 返回TTS 合成的处理结果。- 验证返回数据的完整性和格式正确性 - 参考`TTS 合成`的配置文档进行参数调优 ### 多语言 针对多语言,自动解析输入参数、调度任务队列、格式化输出,返回结构化响应. **输入**: 用户提供多语言相关的配置参数、输入数据和处理选项. **输出**: 返回多语言的处理结果。- 验证返回数据的完整性和格式正确性 - 参考`多语言`的配置文档进行参数调优 # ## 快速开始 1. 确认运行环境满足依赖说明中的要求 2. 在AI Agent对话中调用本技能,提供必要的输入参数 3. 检查输出结果,根据需要进行后续处理 > 详细的输入输出格式请参考下方章节说明。 ## 适用场景 ### 场景一:群组广播 发送语音消息到 WhatsApp 群组. ```bash # 发送到群组(使用群组 ID) tts-whatsapp "各位同事,明天上午十点有团队会议,请准时参加。" \ --lang zh_CN \ --voice zh_CN-huayan-medium \ --target "120363257357161211@g.us" # ... # 群组通知(多语言版本) tts-whatsapp "Team, reminder: meeting tomorrow at 10 AM." \ --lang en_US \ --target "group-id@g.us" ``` ### 场景二:批量个性化发送 基于联系人列表批量发送个性化语音消息. ```python import csv import subprocess import os # ... class BatchWhatsAppSender: """批量 WhatsApp 语音发送器""" # ... def __init__(self, default_lang="zh_CN", voice="zh_CN-huayan-medium"): self.default_lang = default_lang self.voice = voice self.results = [] # ... def send_from_csv(self, csv_path, template): """从 CSV 批量发送 # ... Args: csv_path: 联系人 CSV 文件路径 template: 消息模板,用 {name} 等占位符 """ with open(csv_path, "r", encoding="utf-8") as f: readers = csv.DictReader(f) for row in readers: # 变量替换 message = template.format(**row) target = row["phone"] # ... # 根据联系人语言选择 lang = row.get("language", self.default_lang) voice = row.get("voice", self.voice) # ... # 发送 result = self.send_one(message, target, lang, voice) self.results.append({ "name": row.get("name", ""), "phone": target, "status": "success" if result else "failed", "message": message[:50] }) # ... self.generate_report() # ... def send_one(self, text, target, lang, voice): """发送单条""" try: cmd = [ "tts-whatsapp", text, "--lang", lang, "--voice", voice, "--target", target, "--quality", "medium" ] result = subprocess.run(cmd, capture_output=True, text=True, timeout=30) return result.returncode == 0 except Exception as e: print(f"发送失败 {target}: {e}") return False # ... def generate_report(self): """生成发送报告""" success = sum(1 for r in self.results if r["status"] == "success") failed = len(self.results) - success # ... print(f"\n发送报告") print(f"成功: {success}") print(f"失败: {failed}") print(f"总计: {len(self.results)}") # ... # 保存详细报告 with open("send_report.csv", "w", encoding="utf-8") as f: f.write("name,phone,status,message\n") for r in self.results: f.write(f"{r['name']},{r['phone']},{r['status']},{r['message']}\n") # ... # 使用 sender = BatchWhatsAppSender() sender.send_from_csv( "contacts.csv", "你好 {name},提醒您:{event} 将于 {time} 开始。" ) ``` ```csv # contacts.csv name,phone,language,event,time 张三,+8613800138000,zh_CN,产品评审会,2026-07-20 14:00 李四,+8613800138001,zh_CN,产品评审会,2026-07-20 14:00 John,+15555550123,en_US,Product Review,2026-07-20 14:00 ``` ### 场景三:定时发送 配置定时任务自动发送语音消息. ```python import schedule import time import subprocess # ... class ScheduledSender: """定时语音消息发送器""" # ... def __init__(self): self.jobs = [] # ... def add_daily(self, time_str, message, target, lang="zh_CN"): """添加每日定时任务""" schedule.every().day.at(time_str).do( self._send, message=message, target=target, lang=lang ) self.jobs.append({"type": "daily", "time": time_str, "target": target}) # ... def add_weekly(self, day, time_str, message, target, lang="zh_CN"): """添加每周定时任务""" getattr(schedule.every(), day).at(time_str).do( self._send, message=message, target=target, lang=lang ) self.jobs.append({"type": "weekly", "day": day, "time": time_str}) # ... def _send(self, message, target, lang): """执行发送""" cmd = ["tts-whatsapp", message, "--lang", lang, "--target", target] result = subprocess.run(cmd, capture_output=True, text=True) status = "成功" if result.returncode == 0 else "失败" print(f"[{time.strftime('%H:%M:%S')}] {status}: {message[:30]}") # ... def run(self): """启动调度器""" print(f"已加载 {len(self.jobs)} 个定时任务") for job in self.jobs: print(f" - {job}") while True: schedule.run_pending() time.sleep(60) # ... # 使用 scheduler = ScheduledSender() # ... # 每天早上 9 点发送提醒 scheduler.add_daily("09:00", "早上好!记得查看今日待办事项。", "+8613800138000") # ... # 每周一发送周报提醒 scheduler.add_weekly("monday", "10:00", "各位同事,请记得提交本周工作周报。", "group-id@g.us") # ... scheduler.run() ``` ### 场景四:API 服务化 将语音消息发送封装为 API 服务. ```python from fastapi import FastAPI, BackgroundTasks from fastapi.responses import JSONResponse import subprocess # ... app = FastAPI(title="WhatsApp TTS 服务", version="1.0.0") # ... @app.post("/api/v1/send") async def send_voice( text: str, target: str, lang: str = "zh_CN", voice: str = None, quality: str = "medium", speed: float = 1.0, background_tasks: BackgroundTasks = None ): """发送单条语音消息""" cmd = ["tts-whatsapp", text, "--lang", lang, "--target", target, "--quality", quality, "--speed", str(speed)] if voice: cmd.extend(["--voice", voice]) # ... result = subprocess.run(cmd, capture_output=True, text=True, timeout=30) # ... if result.returncode == 0: return JSONResponse({"status": "success", "target": target}) return JSONResponse({"status": "failed", "error": result.stderr}, status_code=500) # ... @app.post("/api/v1/broadcast") async def broadcast( text: str, targets: list, lang: str = "zh_CN", background_tasks: BackgroundTasks = None ): """批量群发(异步)""" def send_batch(): for target in targets: subprocess.run( ["tts-whatsapp", text, "--lang", lang, "--target", target], capture_output=True, timeout=30 ) # ... background_tasks.add_task(send_batch) return {"status": "accepted", "count": len(targets)} # ... @app.post("/api/v1/schedule") async def schedule_send( text: str, target: str, send_at: str, lang: str = "zh_CN" ): """定时发送(需配合调度器)""" # 写入调度队列 with open("schedule_queue.json", "a", encoding="utf-8") as f: import json json.dump({"text": text, "target": target, "time": send_at, "lang": lang}, f) f.write("\n") return {"status": "scheduled", "send_at": send_at} # ... # 启动: uvicorn server:app --host 0.0.0.0 --port 8000 ``` ## 使用流程 ### 依赖说明 ### 运行环境 1. **Agent 平台**: 支持SKILL.md的任意AI Agent(Claude Code / Cursor / Codex / Gemini CLI等) 2. **操作系统**: Windows / macOS / Linux 3. **Python**: 3.9 及以上 4. **网络**: 需访问 WhatsApp(发送消息时) ### 第三方依赖 | 依赖项 | 类型 | 是否必需 | 获取方式 | |---:|---:|---:|---:| | piper-tts | Python 库 | 必需 | `pip install piper-tts` | | ffmpeg | 系统工具 | 必需 | `brew install ffmpeg` / `apt install ffmpeg` | | schedule | Python 库 | 可选(定时) | `pip install schedule` | | fastapi | Python 库 | 可选(API) | `pip install fastapi uvicorn` | | WhatsApp 连接 | 服务 | 必需 | 本地配置或桥接服务 | | Python 3.9+ | 运行时 | 必需 | `python.org` 下载 | | 语音模型 | 数据文件 | 必需 | 从 Piper 仓库下载 | | LLM API | API | 必需 | 由Agent内置LLM提供 | ### API Key 配置 5. TTS 合成**无需任何 API Key**(Piper 本地运行) 6. WhatsApp 发送需配置连接(通过本地桥接服务) 7. API 服务化建议配置鉴权 Token 保护接口 8. 企业部署建议通过密钥管理服务统一托管认证凭据 ### 可用性分类 9. **分类**: MD+EXEC() 10. **说明**: 基于Markdown的AI Skill,。专业版支持群发广播、定时发送与 API 服务化,适合企业级语音消息触达场景. # ## 输入格式 | 参数名 | 类型 | 必填 | 说明 | |:---:|:---:|:---:|:---:| | content | string | 否 | tts-whatsapp处理的内容输入 |, | | content | string | 否 | tts-whatsapp处理的内容输入 |, 可选值: json/text/markdown | | style | string | 否 | 输出风格, 参考 `references/style.md` | ## 输出格式 ```json { "success": true, "data": { result: "whatsapp 相关配置参数", result: "whatsapp 相关配置参数", result: "whatsapp 相关配置参数", "metadata": { "template_used": "reviewer", "word_count": 0, "style": "专业" } }, "error": null } ``` 输出模板参考: `assets/output.json` ## 异常处理 | 错误场景 | 原因 | 处理方式 | |:------|------:|:------| | 配置错误 | 参数缺失或格式错误 | 检查依赖说明中的配置要求 | | 运行时错误 | 运行环境不满足 | 确认运行环境符合依赖说明 | | 网络错误 | 连接超时或不可达 | ## 依赖说明(补充) | 依赖项 | 类型 | 必需 | 说明 | |---:|:---|---:|---:| | LLM | 模型 | 是 | 需要LLM进行内容生成, 推荐GPT-4/智谱GLM-4/DeepSeek | | API Key | 凭证 | 否 | 使用云端LLM时需要, 本地LLM不需要 | **国内替代方案**: - OpenAI GPT → 智谱GLM-4 / 百度文心一言 / 通义千问 / DeepSeek - OpenAI Embedding → 智谱embedding-2 / 百度embedding ## 案例展示 ### 批量发送配置 ```yaml # broadcast-config.yaml broadcast: contacts_file: "contacts.csv" template: "你好 {name},{message}" default_lang: "zh_CN" default_voice: "zh_CN-huayan-medium" quality: "medium" speed: 1.0 max_concurrent: 3 retry: 2 delay_between: 2 # 秒 report_file: "send_report.csv" ``` ### 定时任务配置 ```yaml # schedule-config.yaml schedules: - name: "每日提醒" time: "09:00" message: "早上好!记得查看今日待办。" target: "+8613800138000" lang: "zh_CN" # ... - name: "周报提醒" day: "monday" time: "10:00" message: "请记得提交本周工作周报。" target: "group-id@g.us" lang: "zh_CN" ``` ### 消息模板变量 | 变量 | 说明 | 示例 | |:------:|--------|:-------| | `{name}` | 联系人姓名 | 张三 | | `{phone}` | 手机号 | +86138... | | `{event}` | 事件名称 | 产品评审会 | | `{time}` | 时间 | 14:00 | | `{date}` | 日期 | 2026-07-20 | | 自定义 | CSV 任意字段 | 任何列名 | ## 常见问题 ### 错误恢复步骤 | 错误场景(续)| 原因 | 处理方式 | |----|:--:|---:| | LLM响应超时或无响应 | 网络延迟或模型负载过高 | ，请求；确认Agent平台LLM服务正常 | | 输入内容格式不正确 | 用户输入不符合skill预期格式 | 检查输入是否符合skill使用说明中的格式要求，参考示例章节 | | 执行结果与预期不符 | 指令描述不够明确或上下文不足 | 提供更详细的指令描述，补充必要的上下文信息 | | 命令执行失败 | 运行环境不满足要求或权限不足 | 确认运行环境符合依赖说明中的要求；检查命令权限设置 | ## 已知限制 是的。WhatsApp 对批量消息有限制。建议: - 控制发送频率(每条间隔 2-5 秒) - 每日不超过 1000 条 - 使用 WhatsApp Business API 获得更高配额 - 获得接收者明确同意 ### Q2: 定时发送如何保证执行? - 使用系统 cron(最可靠) - 或 Python schedule + 后台进程 - 任务持久化到文件,重启后恢复 - 监控进程存活,异常时告警 ### Q3: 消息模板如何定制? 使用 Python 字符串格式化,`{name}` 等占位符在发送时替换为 CSV 中的实际值。支持任意字段名. ### Q4: 多语言批量如何实现? 在 CSV 中为每个联系人指定 `language` 和 `voice` 字段,发送时自动选择对应语言的语音模型. ### Q5: 专业版与免费版的迁移? 零迁移成本。专业版是免费版的超集,命令行完全兼容。升级后原有单条发送继续可用,新特性按需启用. ### Q6: API 服务的并发能力? 单实例支持 5-10 并发(受 TTS 合成速度限制)。大批量建议使用任务队列异步处理。可通过多实例部署线性扩展. ## 错误处理 | 错误场景(续)(续)| 原因 | 处理方式 | |----------|----------|----------| | LLM响应超时或无响应 | 网络延迟或模型负载过高 | 检查网络连接，重试请求；确认Agent平台LLM服务正常 | | 输入内容格式不正确 | 用户输入不符合skill预期格式 | 检查输入是否符合skill使用说明中的格式要求，参考示例章节 | | 执行结果与预期不符 | 指令描述不够明确或上下文不足 | 提供更详细的指令描述，补充必要的上下文信息 | | 命令执行失败 | 运行环境不满足要求或权限不足 | 确认运行环境符合依赖说明中的要求；检查命令权限设置 | ## 补充限制说明 - 需要LLM支持 - 依赖Agent平台的LLM能力与运行环境配置 - 免费版功能受限，高级能力需升级专业版