Sag

• Quieres generar audio de voz con IA expresivo y de alta calidad desde la línea de comandos sin escribir código API personalizado.
• Necesitas que un agente de IA (como Clawd) produzca respuestas de voz hablada con carácter y emoción, usando etiquetas como [whispers], [excited] o [sarcastic].
• Estás creando scripts de flujos de trabajo TTS que requieren selección de voz, normalización de idioma o cambio de modelo (eleven_v3, eleven_multilingual_v2, eleven_flash_v2_5).
• Quieres un reemplazo directo para el comando say de macOS que utilice voces premium de ElevenLabs en lugar de las voces del sistema.

• No tienes una clave de API de ElevenLabs o no quieres incurrir en costos de uso de ElevenLabs — esta habilidad no tiene alternativa gratuita ni sin conexión.
• Necesitas compatibilidad con <phoneme> de SSML; Sag no expone esa función.
• Solo necesitas TTS básico a nivel de sistema en macOS y no requieres la calidad de ElevenLabs — el comando integrado say es suficiente.

Elige entre eleven_v3 (expresivo, predeterminado), eleven_multilingual_v2 (estable, multilingüe) y eleven_flash_v2_5 (rápido) para equilibrar calidad, velocidad y cobertura de idiomas en cada caso de uso.

Incorpora señales de entrega directamente en tu texto usando etiquetas como [whispers], [shouts], [laughs], [excited], [sarcastic] y más. El control de pausas utiliza [pause], [short pause] y [long pause] en lugar de SSML.

Especifica cualquier voz de ElevenLabs por nombre o ID con la bandera -v, establece una predeterminada mediante ELEVENLABS_VOICE_ID / SAG_VOICE_ID, y explora las voces disponibles con sag voices.

Corrige errores de pronunciación deletreando palabras de nuevo, usando guiones o ajustando el uso de mayúsculas. El indicador --normalize auto|off maneja números, unidades y URLs, mientras que --lang orienta la normalización específica del idioma.

Ejecuta sag prompting para obtener orientación específica del modelo sobre cómo formular y formatear el texto para obtener los mejores resultados con el modelo seleccionado actualmente.

Guarda el audio generado directamente en el disco con la marca -o (por ejemplo, -o /tmp/reply.mp3), facilitando la incorporación de archivos de audio en respuestas de agentes de IA o flujos de trabajo posteriores.

Un agente de IA genera una respuesta hablada con un carácter específico — por ejemplo, sag -v Clawd -o /tmp/reply.mp3 "[excited] Here's what I found!" — y luego incluye la ruta del archivo en su respuesta para reproducción inmediata.

Proporciona texto o contenido de documentos a sag en un script de shell para producir archivos de audio narrados en masa, aprovechando --normalize auto para manejar números y URLs de forma limpia.

Audita rápidamente diferentes voces y estilos de entrega de ElevenLabs ([whispers], [sarcastic], [sings]) antes de comprometerte con una locución de producción, todo desde la terminal.

Usa eleven_multilingual_v2 con --lang de|fr|es|... para generar TTS correctamente normalizado en idiomas distintos al inglés, ideal para flujos de trabajo de contenido localizado.