这期我分享的是一套本地 TTS 声音克隆和长文本配音能力：我把自己的声音封装成了 Codex 可以调用的生产力模块。
它不只是“让 AI 读一句话”，而是能服务于播客、视频旁白、桌面宠物语音包，以及整个 AI 内容工厂的长期生产流程。
你会看到：
为什么我没有只依赖云端 TTS API
本地 TTS + 声音克隆的核心能力拆解
Codex TTS Skill 的底层路线：脚本、daemon、本地模型和 WAV 输出
声音克隆参考音频怎么选，为什么 12 秒短参考反而更稳
长文配音为什么容易翻车，以及如何按“人的气口”做语义短句
让 AI 先自检、自修复，再交给人最终审核
如何把一次性的配音流程，封装成可长期复用的 Codex Skill
这套能力在 Codex Pet / 桌面伙伴语音包里的真实应用和坑
我的判断标准很简单：本地 TTS 不是为了炫技，而是要在成本、隐私、稳定性、长文自然度、可复用性之间找到一个能长期跑的生产方案。
本期提到的从零复刻指南，我会整理到同名公众号里，方便大家复制到自己的 Codex 里激活使用。
时间轴
00:00 本期主题：把本地 TTS 封装成 Codex 模块
00:33 样例1：用克隆声音生成书本播客
01:55 样例2：桌面宠物语音包
02:08 样例3：讲解王国维人生三境界
03:16 为什么要做本地 TTS Skill
03:58 五个核心能力：转语音、克隆、长文、分段、自检
05:11 底层路线图：Codex Skill 到本地 WAV 输出
05:45 安装主线：本地工程、Python、MLX Speech、Fish S2 Pro
06:02 坑1：声音克隆参考音频怎么选
06:54 坑2：长文断句不能只按字数切
07:50 让 AI 先自检，再交给人审
09:28 生成后修复、裁静音和整合长音频
09:43 把流程封装成长期复用的 Codex Skill
09:57 应用到 Codex Pet 语音包时遇到的坑
10:55 场景化定制：运行时播放，不实时重生
11:13 表面讲 TTS，本质讲内容工厂模块化
11:50 为什么最近更新节奏变慢
12:26 从零复刻指南和公众号获取方式
12:51 结尾
Hashtags
#Codex #TTS #声音克隆 #AIAgent #AI内容工厂 #灵姐说AI
