Back to skills
SKILL.md
Lobster Radio Skill
ASecurity个性化资讯电台生成服务。使用场景:(1) 生成特定主题的电台,(2) 设置每日定时推送,(3) 配置TTS音色,(4) 收听历史电台。不适用:音乐播放、实时广播、视频内容。
- 3 stars
- 0 votes
- 0 copies
- 12 views
- Added September 9, 2026
Works with
Security analysis
96/100- Installs packages at runtime which could introduce malicious dependencies
npx -y skills add Lord1Egypt/awesome-skill-forge --skill lobster-radio-skill --agent claude-codeAre you the author of Lobster Radio Skill?
Add the live security badge to your README. It updates with every re-scan.
[](https://www.skillsdirectory.com/skills/lord1egypt-lobster-radio-skill)---
name: lobster-radio
description: "个性化资讯电台生成服务。使用场景:(1) 生成特定主题的电台,(2) 设置每日定时推送,(3) 配置TTS音色,(4) 收听历史电台。不适用:音乐播放、实时广播、视频内容。"
metadata:
openclaw:
emoji: "🎙️"
requires:
bins: ["python3"]
lobsterai:
emoji: "🎙️"
category: "productivity"
requires:
python: ">=3.10"
permissions:
- fileSystem
- network
---
# 龙虾电台
个性化资讯电台生成服务,使用本地Qwen3-TTS模型,完全免费。
## 平台支持
- ✅ **OpenClaw** - 通过SKILL.md集成
- ✅ **LobsterAI(有道龙虾)** - 通过skill.json集成
## When to Use
✅ **USE this skill when:**
- "生成关于人工智能的电台"
- "每天早上8点推送科技新闻"
- "配置我的电台音色"
- "播放我的今日电台"
- "查看历史电台"
❌ **DON'T use this skill when:**
- 播放音乐 → 使用音乐播放器
- 实时广播 → 使用广播应用
- 视频内容 → 使用视频平台
## Prerequisites
### 安装Python依赖
```bash
pip install -r requirements.txt
```
### 下载Qwen3-TTS模型
**注意**: Qwen3-TTS模型**不在Ollama公共仓库中**,需要从HuggingFace或ModelScope下载。
#### 方法一:从HuggingFace下载(推荐)
```bash
pip install huggingface_hub
huggingface-cli download Qwen/Qwen3-TTS-12Hz-0.6B-CustomVoice --local-dir ./models/Qwen3-TTS-12Hz-0.6B-Base
```
#### 方法二:从ModelScope下载(国内用户推荐)
```bash
pip install modelscope
python -c "from modelscope import snapshot_download; snapshot_download('qwen/Qwen3-TTS-12Hz-0.6B-Base', cache_dir='./models')"
```
#### 方法三:首次运行时自动下载
Skill会在首次生成电台时自动检测并下载模型:
```bash
python scripts/generate_radio.py --topics "人工智能"
```
### 验证安装
```bash
python tests/verify_all.py
```
## Quick Start
### 生成电台
```bash
python scripts/generate_radio.py --topics "人工智能" --tags "科技"
```
### 配置TTS
```bash
python scripts/configure_tts.py --voice xiaoxiao
```
### 设置定时任务
**OpenClaw**:
```bash
# 每天早上8点推送科技电台
openclaw cron add \
--name "每日科技电台" \
--cron "0 8 * * *" \
--session isolated \
--message "生成科技新闻电台" \
--announce \
--channel feishu
```
**LobsterAI**:
在GUI中或通过对话创建定时任务:
```
"每天早上8点为我生成科技新闻电台"
```
## Configuration
### TTS配置
首次使用时,Skill会引导用户下载Qwen3-TTS模型。
**OpenClaw**: 配置存储在MEMORY.md中
**LobsterAI**: 配置存储在SQLite数据库中
### 用户偏好
用户偏好(订阅标签、常用音色等):
- **OpenClaw**: 存储在MEMORY.md中
- **LobsterAI**: 存储在持久化记忆中
## Workflow
### 1. 生成电台
1. 解析用户输入的主题/标签
2. 调用平台LLM生成内容
3. 调用Qwen3-TTS模型转换为音频
4. 保存音频文件
5. 返回音频链接和文本摘要
## Cowork Mode(推荐)
在LobsterAI/OpenClaw的cowork mode下,可以利用平台主对话LLM生成内容,本Skill只负责TTS合成。
**支持任意LLM模型**:Claude、GPT-4、Qwen、Llama、Gemini等
**优势**:
- ✅ 无需额外LLM API密钥
- ✅ 利用平台LLM的强大能力(任意模型)
- ✅ 内容生成更智能、更自然
- ✅ 支持多模型切换对比
**重要:获取新闻内容**
生成电台前,需要先获取最新新闻内容。**建议多次调用 web-search skill** 获取不同主题的新闻:
> **建议**:生成的新闻文稿控制在 **200字以内**,确保音频时长在1分钟内,适合移动端收听。
> **注意**:根据 web-search skill 的文档,它可能不能直接通过 Python 导入使用。请按以下顺序尝试:
> 1. **首先尝试 Python 导入使用**:`from web_search import search`
> 2. **如果不行,尝试通过 bash 脚本调用**:`bash scripts/web_search.sh "搜索关键词"`
```python
# 1. 首先,多次调用 web-search skill 获取不同主题的新闻
# (可能需要3-5次搜索以覆盖不同主题)
# 按上述说明尝试 Python 导入或 bash 脚本调用
# 搜索结果示例:
# - 第一次搜索: "今日国际要闻"
# - 第二次搜索: "最新科技动态"
# - 第三次搜索: "今日财经要闻"
# - 第四次搜索: "体育热点新闻"
# - 第五次搜索: "娱乐热点事件"
# 2. 平台主对话LLM整合搜索结果,生成连贯的电台内容
content = """
欢迎收听今日新闻摘要。
首先是国际要闻...(根据web-search结果生成)
接下来是科技动态...(根据web-search结果生成)
财经方面...(根据web-search结果生成)
体育要闻...(根据web-search结果生成)
娱乐热点...(根据web-search结果生成)
以上就是今天的新闻摘要,感谢收听。
"""
# 3. 调用Skill合成语音
audio_url = cowork_generate(
title="今日新闻摘要",
content=content,
voice="xiaoxiao", # 新闻适合女声
emotion="neutral"
)
print(f"音频已生成: {audio_url}")
```
**本Skill仅支持Cowork Mode**:
| 模式 | 内容生成 | TTS合成 | 需要API密钥 | 支持模型 |
|------|---------|---------|------------|---------|
| **Cowork Mode** | **平台LLM生成** | **Skill合成** | **无需额外API** | **任意模型** |
> **注意**:本Skill仅支持Cowork Mode,内容由平台主对话LLM生成,Skill只负责TTS语音合成。
### 2. 设置定时任务
**OpenClaw**:
1. 解析用户的定时需求
2. 调用OpenClaw的cron系统创建任务
3. OpenClaw按时执行任务并推送
**LobsterAI**:
1. 解析用户的定时需求
2. 调用LobsterAI的scheduled-task skill创建任务
3. LobsterAI按时执行任务并推送
### 3. 配置TTS
1. 检查模型是否已下载
2. 展示可用音色供选择
3. 保存配置到平台存储
## Available Voices
### 中文音色
- **xiaoxiao** (晓晓): 女声,温柔,适合新闻播报
- **yunjian** (云健): 男声,沉稳,适合财经资讯
- **xiaochen** (晓辰): 女声,活泼,适合娱乐新闻
### 情感表达
- **neutral**: 中性,适合新闻播报
- **happy**: 开心,适合娱乐内容
- **sad**: 悲伤,适合严肃话题
- **excited**: 兴奋,适合科技突破
## Examples
### Example 1: 生成科技电台
**User**: "生成关于人工智能的电台"
**Bot**:
```
🎙️ 正在为您生成人工智能主题电台...
📝 内容摘要:
今天的人工智能领域发展迅速,OpenAI发布了最新的GPT-5模型...
🎧 [播放音频]
📥 [下载链接]
⏱️ 时长:3分45秒
```
### Example 2: 设置定时推送
**User**: "每天早上8点推送科技新闻"
**Bot**:
```
✅ 定时任务创建成功!
⏰ 推送时间:每天早上8:00
📌 订阅标签:科技
📢 推送渠道:当前对话
明天早上8点将自动为您生成并推送电台!
```
## Platform-Specific Notes
### OpenClaw
- LLM配置复用OpenClaw的配置
- 定时任务使用OpenClaw的cron系统
- 用户配置存储在OpenClaw的MEMORY.md中
### LobsterAI
- LLM配置复用LobsterAI的配置(Claude Agent SDK)
- 定时任务使用LobsterAI的scheduled-task skill
- 用户配置存储在LobsterAI的持久化记忆中
- 支持通过IM(飞书、钉钉、Telegram)远程触发
## Troubleshooting
### 模型未下载
**错误**: "模型未找到" 或 "模型下载失败"
**解决方案**:
```bash
# 方法1: 使用HuggingFace
pip install huggingface_hub
huggingface-cli download Qwen/Qwen3-TTS-12Hz-0.6B-CustomVoice --local-dir ./models/Qwen3-TTS-12Hz-0.6B-Base
# 方法2: 使用ModelScope(国内用户推荐)
pip install modelscope
python -c "from modelscope import snapshot_download; snapshot_download('qwen/Qwen3-TTS-12Hz-0.6B-Base', cache_dir='./models')"
```
### 音频生成失败
**错误**: "音频生成失败"
**可能原因**:
1. 模型未正确加载
2. 内存/显存不足
3. 文本过长
**解决方案**:
```bash
# 检查模型状态
python tests/verify_all.py
# 使用CPU模式(如果显存不足)
# 在配置中设置 use_gpu=False
# 检查系统资源
htop
```
## Performance
- **CPU推理**: 1-2秒/100字
- **GPU推理**: 0.5-1秒/100字
- **内存占用**: 约500MB
- **模型大小**: 约5GB
## Cost
- ✅ **完全免费**
- ✅ **无API调用费用**
- ✅ **无使用限制**
- ✅ **可离线使用**
## Support
如有问题,请访问:
- GitHub Issues: https://github.com/your-repo/lobster-radio-skill
- OpenClaw文档: https://docs.openclaw.ai
- LobsterAI文档: https://github.com/netease-youdao/LobsterAI
- Qwen3-TTS文档: https://qwen.ai/blog?id=qwen3tts-0115
Attribution
Related skills
View all in tools →Comments
Loading comments…
Newsletter
Get the weekly list of safe new skills, and the ones we pulled.