SuperAPI AI 工具集

text-to-speech

办公与效率

查看项目

更新于 10-15 21:40

技能介绍

用途:该技能为 Alex 赋予语音能力,把文档、代码与文本朗读出来,用于听读通勤、耳听校对、无障碍访问、演示排练以及导出音频离线学习,全程零成本、零外部密钥依赖,使用微软 Edge TTS。

主要能力:支持朗读当前选区或整篇文档;通过命令面板选择不同语音预设(Default、Warm、British、Friendly);将内容保存为 MP3;停止播放;状态栏显示连接、合成、接收、播放、暂停等进度。Webview 播放器提供播放/暂停、停止、进度拖动、音量与时间显示,播完自动关闭。内置 Markdown 清理、符号与时间单位转口语、表情符号发音、表格朗读与版本号自然读法,并支持 32 种语言的语音自动检测。

使用方式:在 VS Code 中打开文档,按 Ctrl+Alt+R(Windows/Linux)或 Cmd+Alt+R(macOS)开始朗读;命令面板对应命令为 alex.readAloud、alex.readWithVoice、alex.saveAsAudio、alex.stopReading。朗读时按 Escape 或点击状态栏可停止。该技能内置于 Alex VS Code 扩展,通常无需单独安装;扩展依赖 ws 与 fs-extra,验证时打开文档按快捷键,状态栏显示合成中并弹出播放面板即可。

限制:Edge TTS 单次 WebSocket 请求存在未公开的大小限制,超过约 3000 字符可能长时间停滞,实现上按段落与句子分块、设置超时与三次指数退避重试;超过约 5 分钟的长文会提示是否先摘要再朗读,摘要依赖 VS Code 语言模型 API;蓝牙或 USB 音箱播放前有约 2 秒预热延迟。其余如具体收费、价格与完整平台范围资料未提供。