文字转语音/Text to Audio

使用 edge-tts 将中文或英文文本转为自然语音 MP3。此 Skill 应在以下场景触发： 将图片或文本转成语音、朗读课文或作文、中文文字转语音、英文文字转语音、 TTS 文本朗读、生成音频 MP3、给文章配音、语音合成、 朗读故事、课文朗读、作文朗读、文字转 MP3、英文朗读。 支持晓晓等多款中文 Neural 语音，支持 Jenny 等英文 Neural 语音，支持语速调整和语音选择。

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 install 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 Skill 时，运行环境检测脚本确认依赖是否就绪：

bash

python scripts/check_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：

text

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：

text

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）
- Christopher（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：

text

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）

1. 识别图片文字 — 读取用户上传的图片，识别其中的文字内容
2. 保存文本 — 将识别的文字保存为 .txt 文件（UTF-8 编码）
3. 语言检测 — 判断文本语言
4. 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
5. 生成 MP3 — 根据用户选择调用 scripts/tts_generate.py 生成 MP3 文件

流程 B：文本转语音（用户直接提供文本）

1. 保存文本 — 将用户提供的文字保存为 .txt 文件
2. 语言检测 — 判断文本语言
3. 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
4. 生成 MP3 — 根据用户选择调用生成脚本

流程 C：批量转换

1. 语言检测 — 判断文本语言
2. 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
3. 生成批量配置 — 创建 JSON 配置文件
4. 执行批量生成 — 使用 --batch 参数

核心脚本用法

单文件生成

bash

python scripts/tts_generate.py <文本文件> [选项]

参数	说明	默认值
--output, -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

bash

# 中文默认（晓晓女声，正常语速）
python scripts/tts_generate.py story.txt

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

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

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

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

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

批量配置文件格式

json

{
  "defaults": { "voice": "xiaoxiao", "rate": "-10%" },
  "files": [
    { "input": "story.txt", "output": "story.mp3" },
    { "input": "essay.txt", "output": "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
Christopher	christopher	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