Полная документация ниже — автоматически из репозитория realmagnum/yandex-station-speak (ветка main). Оригинальные материалы проекта распространяются на условиях его лицензии.

yandex-station-speak

Озвучка текста на колонку Яндекс Станция голосом Алисы через протокол Glagol (WSS :1961).

Полный звуковой цикл: пауза музыки → громкость 80% → фраза → возврат громкости → продолжение музыки.

Эволюция скилла rasperepodvipodvert/claude-skill-yandex-tts (MIT, автор Igor Filatov). Сохранено ~80% протокольной основы, добавлено ~20% — законченный аудио-цикл с прерыванием музыки и управлением громкостью.

Возможности

• Отправить фразу на колонку голосом Алисы.
• Прерывает музыку (пауза перед озвучкой) и возобновляет её после.
• Поднимает громкость до 80% на время озвучки, затем возвращает прежнюю.
• Если колонка молчала до озвучки — музыка не включается (умный детект hasPause).
• Текст ≤500 символов, русский, без кода/JSON/спецсимволов.

Установка

# скрипты
mkdir -p ~/.hermes/skills/smart-home/yandex-station-speak && cd $_
# положите сюда SKILL.md, speak.sh, scripts/tts_dialog.py, env.example

# зависимости: Python 3.10+
python3 --version   # должно быть 3.10+

# конфиг
cp env.example .env
# заполните .env: MUSIC_TOKEN, DEVICE_ID, DEVICE_PLATFORM, STATION_IP

Получение MUSIC_TOKEN (важно!)

Рабочий токен даётся ТОЛЬКО через oauth.mobile.yandex.net/1/token
(см. раздел «Токены» ниже). Эндпоинт oauth.yandex.ru/token из оригинального
README даёт 403 USER_IS_NOT_AUTHORIZED_FOR_API.

Использование

Прямое подключение (колонка в той же LAN, что и рабочий хост)

~/.hermes/skills/smart-home/yandex-station-speak/speak.sh 'Текст'

Через ssh на сервер, где колонка доступна

ssh host "~/.hermes/skills/smart-home/yandex-station-speak/speak.sh 'Текст'"

Ручной вызов (полный контроль)

python3 scripts/tts_dialog.py --pause --volume 0.8 'Текст'

Флаги:

• --pause — пауза музыки перед озвучкой + возобновление после (пауза 1с).
• --volume 0.8 — громкость 80% на время озвучки, возврат после.
• Без флагов — озвучить поверх (музыка приглушится, не прервётся).

⚠️ На macOS системный python3 может быть 3.9 (не подходит). speak.sh сам
выбирает 3.10+ (python3.13/3.12/3.11/3.10 или Homebrew). Вручную — используйте
/opt/homebrew/bin/python3.13.

Проверка устройств

python3 scripts/tts_dialog.py --list-devices

Токены (Glagol / Quasar)

• Управление колонкой — Glagol WSS на :1961, сообщения с conversationToken (короткоживущий, ~30с, кешируется 25с).
• Список устройств / token — Quasar (quasar.yandex.net/glagol/device_list, .../token).
• MUSIC_TOKEN — получать через oauth.mobile.yandex.net/1/token (mobile-эндпоинт даёт нужный scope). oauth.yandex.ru/token → 403.

Структура

SKILL.md           # (опционально) скилл-метаданные для Hermes/Claude
speak.sh           # обёртка: полный цикл паузы/громкости, авто-выбор Python 3.10+
scripts/
  tts_dialog.py    # основной скрипт (Glagol WSS + все команды)
env.example        # шаблон конфига (БЕЗ секретов)
install.sh         # установщик на новый хост

Ключевые детали реализации (грабли)

1. Пауза музыки = sendText "пауза" (НЕ {"command":"stop"} — колонка отвечает close frame).
2. aliceState во время озвучки = NONE, не SPEAKING.
3. Перед возобновлением музыки ждать конца фразы (wait_until_idle: 1.3с лаг + 2 стабильных IDLE), иначе фраза обрывается и громкость падает.
4. Возобновлять музыку только если она играла (playerState.hasPause), иначе «продолжить» стартует радио из простоя.
5. Возврат громкости — get_volume() затем cmd_set_volume(prev).
6. Не придумывать про «0.8» — в --volume <число> значение не должно попадать в текст (обрабатывается skip_next).

Лицензия

MIT. Основа: rasperepodvipodvert/claude-skill-yandex-tts (c) Igor Filatov.
Модификации и полный аудио-цикл — этот репозиторий.

Протокол Glagol недокументирован и может измениться прошивкой Яндекса в любой момент.