文字转语音/Text to Audio

文字转语音（免费）

将中文或英文文本转为自然语音 MP3 文件，使用微软 Edge TTS 在线服务，声音自然、文件小巧、跨设备通用。

前置条件 Python 3.8+ 已安装 edge-tts 包已安装（pip 安装 edge-tts） 网络连接可用（需访问微软 TTS 云服务） 环境初始化（首次使用时执行）

首次使用此 技能 时，运行环境检测脚本确认依赖是否就绪：

python scripts/检查_env.py

该脚本会自动检测并安装缺失的依赖。如果网络不通，提示用户开启 VPN 后重试。

工作流程 步骤 1：语言检测

保存文本后，必须先检测文本语言，以决定展示中文还是英文语音选项。

检测方法：如果文本中英文字母（a-zA-Z）占比超过 60%，判定为英文；否则判定为中文。

步骤 2：让用户选择语音和语速

在生成 MP3 之前，必须先让用户选择语音和语速。 使用 ask_followup_question 工具向用户展示选项，不要自行假设。

语音选择（根据语言自动切换）

如果检测为中文，展示中文语音选项：

问题：请选择朗读语音 选项：

• 晓晓（温暖女声，适合课文/故事朗读）
• 小艺（活泼女声，适合儿童故事）
• 云希（阳光男声，适合叙事/科普）
• 云健（激情男声，适合朗诵）
• 云扬（专业男声，适合新闻/说明文）

如果检测为英文，展示英文语音选项：

问题：请选择朗读语音 选项：

• Jenny（温暖女声，适合朗读/故事，推荐）
• Aria（自信女声，适合新闻/叙述）
• Emma（活泼女声，适合对话/讲解）
• Guy（激情男声，适合朗诵/叙事）
• Chri停止her（权威男声，适合新闻/分析）
• Michelle（亲切女声，适合日常叙述）

语速选择（输入式）

语速使用 三选一 + 数字输入 形式，让用户填写具体百分比：

问题：请选择朗读语速（在方括号中填写数字，0 为正常语速，负数更慢，正数更快） 选项：

• A 略慢 [ ]%（推荐填 10，即 -10%）
• B 正常语速
• C 略快 [ ]%（推荐填 10，即 +10%）

用户选择 A 或 C 时，解析其填写的数字作为 rate 值：

选 A + 填 10 → --rate -10 选 B → --rate +0 选 C + 填 10 → --rate +10

如果用户没有填写数字，使用推荐默认值（A 为 -10，C 为 +10）。

如果用户在对话中已经明确指定了语音或语速（如"用晓晓的声音"、"读慢一点"），则直接使用用户的选择，无需再次询问。

流程 A：图片转语音（最常见） 识别图片文字 — 读取用户上传的图片，识别其中的文字内容 保存文本 — 将识别的文字保存为 .txt 文件（UTF-8 编码） 语言检测 — 判断文本语言 让用户选择语音和语速 — 根据语言展示对应语音选项 + 语速选项 生成 MP3 — 根据用户选择调用 scripts/tts_生成.py 生成 MP3 文件 流程 B：文本转语音（用户直接提供文本） 保存文本 — 将用户提供的文字保存为 .txt 文件 语言检测 — 判断文本语言 让用户选择语音和语速 — 根据语言展示对应语音选项 + 语速选项 生成 MP3 — 根据用户选择调用生成脚本 流程 C：批量转换 语言检测 — 判断文本语言 让用户选择默认语音和语速 — 根据语言展示对应语音选项 + 语速选项 生成批量配置 — 创建 JSON 配置文件 执行批量生成 — 使用 --batch 参数 核心脚本用法 单文件生成 python scripts/tts_生成.py <文本文件> [选项]

参数 说明 默认值 --输出, -o 输出 MP3 文件路径 <输入名>_<语音别名>.mp3 --voice, -v 语音别名或完整 ID xiaoxiao（中文）/ jenny（英文） --rate, -r 语速调整 +0% --batch, -b 批量模式，传入 JSON 配置文件 — 常用示例 # 中文默认（晓晓女声，正常语速） python scripts/tts_生成.py story.txt

# 中文活泼女声 + 略慢语速（适合小学课文朗读） python scripts/tts_生成.py story.txt --voice xiaoyi --rate -10

# 英文默认（Jenny女声，正常语速） python scripts/tts_生成.py english.txt --voice jenny

# 英文男声 + 略慢语速 python scripts/tts_生成.py english.txt --voice guy --rate -10

# 指定输出文件名 python scripts/tts_生成.py story.txt -o my_story.mp3

# 批量模式 python scripts/tts_生成.py --batch batch_config.json

批量配置文件格式 { "defaults": { "voice": "xiaoxiao", "rate": "-10%" }, "files": [ { "输入": "story.txt", "输出": "story.mp3" }, { "输入": "essay.txt", "输出": "essay.mp3", "voice": "xiaoyi" } ] }

语音别名速查 中文语音 用户选择 别名（脚本参数） 性别 气质 推荐场景 晓晓 xiaoxiao 女 温暖 课文/故事朗读（默认） 小艺 xiaoyi 女 活泼 儿童故事 云希 yunxi 男 阳光 叙事/科普 云健 yunjian 男 激情 朗诵 云扬 yunyang 男 专业 新闻/说明文 英文语音 用户选择 别名（脚本参数） 性别 气质 推荐场景 Jenny jenny 女 温暖 朗读/故事（默认英文） Aria aria 女 自信 新闻/叙述 Emma emma 女 活泼 对话/讲解 Guy guy 男 激情 朗诵/叙事 Chri停止her chri停止her 男 权威 新闻/分析 Michelle michelle 女 亲切 日常叙述

用户选择"Jenny" → 脚本参数 --voice jenny

语速选项速查 用户选择 脚本参数 说明 A 略慢 10 --rate -10 适合课文朗读（推荐） A 略慢 20 --rate -20 适合跟读/低年级 B 正常语速 --rate +0 默认语速 C 略快 10 --rate +10 快速浏览

用户选"A 略慢"且填 15 → 脚本参数 --rate -15

注意事项 edge-tts 需要网络连接，如生成失败先检查网络 输出为 MP3 格式，任何设备均可播放 文件大小约 0.5-1MB/分钟音频，远小于 WAV 格式 无需 API Key，完全免费 中文语音读英文会有口音，英文语音读中文效果也差，请根据文本语言选择对应语音组