文字转语音

使用方法

1. 输入或粘贴您的文本 — 在输入框中输入或粘贴任何文本。您可以输入最多 5,000 个字符的内容进行语音转换。
2. 从下拉菜单中选择声音 — 从下拉菜单中选择可用的声音。可用声音取决于您的浏览器和操作系统。
3. 调整速度和音调 — 使用滑块自定义语速、音调和音量。速度范围从 0.5 倍到 2 倍。
4. 点击播放收听语音 — 按播放按钮开始语音合成。您可以随时使用控制按钮暂停或停止播放。

工作原理

本工具是浏览器 Web Speech API 中语音合成部分 speechSynthesis 的一层轻量界面。当您按下播放时，页面会创建一个 SpeechSynthesisUtterance，把文本以及您选择的语速、音调、音量和声音复制到它上面，再交给浏览器。声音如何产生由浏览器决定，而不是由本页面决定。所有内容都不会预先渲染，也无法下载；音频只在播放期间存在。

声音目录是最让人意外的地方。speechSynthesis.getVoices() 返回操作系统暴露给浏览器的声音。Windows 上通常是 Microsoft 声音，macOS 上是 Apple 声音，Android 上是 Google 语音引擎，Linux 上则取决于已安装的语音包。Chrome 和 Edge 通常暴露最长的列表，Safari 提供较少但质量较高的声音，而桌面版 Firefox 常常只显示很少几个。该数组是异步填充的，因此页面加载后下拉框可能短暂为空，等浏览器触发 voiceschanged 事件后才补全。

功能特性

• 多种声音选项 — 从您设备上可用的多种声音中选择，包括不同语言和口音。
• 可调语速 — 控制语速从 0.5 倍到 2 倍，非常适合慢速听力练习或快速预览。
• 可调音调 — 微调语音输出的音调以匹配您的听力偏好。
• 播放、暂停和停止控制 — 完整的播放控制让您精确管理语音输出。
• 基于浏览器，无需下载 — 所有内容都使用 Web Speech API 直接在浏览器中运行。无需安装软件，无需下载文件，您的文本永远不会离开您的设备。

使用场景

• 预览内容听起来如何 — 聆听您的书面内容，以发现尴尬的措辞、改进流畅度，并确保您的信息在发布前听起来自然。
• 为演示文稿创建音频 — 无需聘请配音演员，即可为幻灯片、视频旁白或培训材料生成语音音频。
• 辅助阅读困难 — 通过将文本转换为语音，帮助有阅读障碍、视力障碍或其他阅读挑战的用户。
• 测试发音 — 在工作中使用之前，验证单词、名称或短语在不同语言和口音中的发音方式。

调整语速、音调与音量

设置	范围	步长	建议起点
语速	0.5 倍到 2.0 倍	0.1	正常收听用 1.0，校对用 0.85，快速浏览用 1.4
音调	0.0 到 2.0	0.1	1.0；0.8 到 0.9 听起来更平静，两端会显得机械
音量	0.0 到 1.0	0.1	除非需要叠加音频，否则保持 1.0

语速是最常调整的设置。降到 0.85 能让你在听的过程中注意到重复的词或漏掉的逗号。提到 1.4 可以快速复查一封长邮件。音调和音量更细微：音调改变声音的听感高低，在极端值处合成器插值得太激进，字词会变得模糊。音量只是播放增益，不代表表现力。

本地声音与云端声音

下拉框里的声音并非都在本地生成。有些是操作系统自带的紧凑引擎，完全在您的设备上运行；另一些是“network”或“natural”声音，会把文本发送到厂商的语音服务，再把音频流式传回。浏览器不会清楚地标注它们，某个声音属于哪一类取决于平台，而不是本页面。区分它们的一个实用办法是延迟：本地声音几乎立刻开始朗读，云端声音在第一个词之前会停顿一下。如果处理敏感文本，请选择立即开始的声音，或先用一个短句测试。要注意，某个声音是本地的，并不保证它在另一台机器上也可用；每次目录都会根据设备重新构建。

实操示例

校对一篇 400 词的文章。 粘贴草稿，选择一个 en-US 声音，把语速设为 0.85、音调设为 1.0，然后按播放。朗读会强迫你逐词处理，因此重复的词（如 “the the”）和残缺的句子会格外明显。发现问题就停止，修改文本，再从头播放。

练习一段外语。 粘贴一段西班牙语，选择一个西班牙语（es-ES）声音，把语速设为 0.7 开始听。然后把语速升到 1.0 重复一遍。如果没有出现西班牙语声音，说明操作系统没有安装，本工具无法替代。

朗读长文档。 一篇 12,000 字符的文章超过了 5,000 字符上限。请按段落边界把它拆成三到四块，逐块粘贴并播放。按段落而不是句子中间拆分，可以让语调保持自然。

局限与已知问题

• 仅限播放。 无法导出 MP3 或 WAV，音频不会被任何地方捕获。
• 5,000 字符上限。 输入框和校验逻辑都会强制这个限制。
• 移动端暂停很脆弱。 部分引擎在暂停后忽略恢复。播放总是取消并重新开始，因此工具的行为更像从头播放，而不是真正的续播。
• 不支持 SSML。 prosody、break 这类标签会被当作普通词语朗读，而不会被解释。
• 不能安装声音。 工具只能使用设备已经具备的声音。
• 逐字朗读。 缩写、货币符号和数字范围都按书写形式发音，因此把它们拼写出来才最可靠。

相关工具

• 字数统计器
• Markdown 编辑器
• Lorem 文本生成器