SuperAPI AI 工具集

ttscn

通用与其它

查看项目

更新于 10-15 16:42

技能介绍

用途:把中文及多语言文字合成为语音,适合旁白、短视频配音、有声书、播客等场景,并提供多后端对比选择。

主要能力:共 15 个后端,包括免费默认的 Edge TTS,以及豆包、CosyVoice、Qwen3-TTS、StepFun、GLM-TTS、Azure、腾讯云、百度、MiniMax、讯飞、ElevenLabs、OpenAI、Google Cloud、Atlas Cloud。支持指定音色、语速(如 --rate +15%)、输出 WAV/MP3、从文件读取文本、--dry-run 预览、--json 结构化输出,以及 word-level 时间戳(部分后端尽力支持)。可用 [PAUSE:x] 与音效标记,--phonemes 修正多音字(仅 azure/minimax 生效)。MiniMax 与 CosyVoice 支持声音克隆。

使用方式:调用 python3 scripts/tts.py "文本" 输出文件,可加 --platform、--voice、--rate、--format mp3、--input 等参数。核心依赖 pip install edge-tts,其他后端按需安装,且需要 ffmpeg。密钥通过环境变量配置(如 VOLCENGINE_API_KEY、DASHSCOPE_API_KEY、AZURE_SPEECH_KEY、MINIMAX_API_KEY 等),也可在 ~/.ttscn.json 或项目 .ttscn.json 设置默认。用 python3 scripts/tts.py --list、schema backends、schema voices 查询后端与音色,并可用 python3 -m webbrowser docs/providers.html 浏览对比页。

限制:参数名、模型名与版本(如 speech-2.8-hd、cosyvoice-v3-flash)须按文档使用;克隆须为本人或有授权的语音;MiniMax 克隆为付费且需 --yes 确认,新克隆在首次真实合成前可能被删除;CosyVoice 克隆音频须为公开 URL。其他计费、平台细节与效果以官方为准,资料中未详述的部分暂未提供。