关于 文字转语音工具
文字转语音工具基于浏览器原生 Web Speech Synthesis API 将文字转换为语音朗读。通过 SpeechSynthesisUtterance 对象构建语音请求，支持从 getVoices 方法获取系统可用的语音列表（包括中文、英文、日语等多种语言），可调整语速（rate 0.1 到 10）、音调（pitch 0 到 2）和音量（volume 0 到 1），支持中断、暂停和恢复操作。纯浏览器本地处理，文字内容不上传到任何服务器，适合为视障用户提供无障碍朗读、语言学习发音参考和长文听读。支持将长文本分段连续朗读，自动处理句子边界的停顿节奏，适合听读技术文档和长篇资讯。兼容 Chrome、Edge、Safari 等主流浏览器。需要留意的是，具体可用的嗓音由操作系统与浏览器安装的语音包决定，不同设备的语音列表可能不同；若听不到声音，先在系统的语音设置中确认是否安装了对应语言的语音引擎。
合成语音最常见的实用价值是校对，而不是代替人工朗读。把写好的文字读出来，能让人以「听者」而非「作者」的身份重新过一遍，从而发现拗口的句子、重复的用词与缺漏的字；这类问题在默读时很难察觉。因此把听一遍作为成稿前的固定步骤，收益往往比预期大。
语音的节奏与停顿很大程度上由标点决定，因此改标点就等于改听感。长句没有停顿会让听者难以跟上，而逗号过密又会让整段显得零碎。数字、缩写与符号在不同实现下的读法差异也很大，有的逐字读出，有的按单词读。因此当输出要给别人听时，应先听一遍确认读法符合预期，而不是凭文本判断。
语速是需要按内容调整而非固定设死的参数。信息密度高、含大量术语的内容适合偏慢的速度，让听者有时间理解；而结构清晰、以熟悉内容为主的朗读可以稍快以节省时间。因此对同一份材料的不同段落采用不同语速，比整篇用同一个速度更贴近实际使用，尤其在长文场景里差别明显。
把文字发送到服务端合成时，隐私边界需要提前确认。文本本身可能包含姓名、号码、未公开的方案，一旦上传就离开了本地环境。因此在处理这类内容时，应优先选择在本地完成的方案，或先做一遍脱敏处理；把「文本去哪了」当作使用任何在线合成工具前必须回答的问题。
它与真人录音有各自适用的场景，不必互相替代。录音在情绪表达与可信度上更强，适合正式对外内容；合成语音胜在可批量、可修改、成本低，适合内部校对、无障碍朗读与频繁更新的内容。因此当文稿还在反复修改阶段时用合成语音，定稿后再考虑录音，是更有效的顺序。
最后，面向无障碍的朗读效果需要单独检查，因为那正是这类技术的主要用途之一。标题层级、列表与表格在朗读时的处理方式与视觉呈现不同，若只用视觉方式表达结构，听者会失去层次信息。因此在需要满足无障碍要求的页面上，除了用合成语音试听，还应确认页面结构本身是否可被正确朗读。
实现原理
朗读把文本切成语言单元再合成音频。可读性主要由语速与句子切分决定，音高只承担情绪；长文本必须分片提交，且分片点应落在句末——在数字与单位之间、或英文单词中间切断会产生错误的连读。标记语言的支持度因引擎而异，浏览器内置语音多数忽略它。
把 "3.5 千克" 从中间分片可能读成「三点五」与「千克」两段或读错单位——分片应落在句末，避免切断数字与单位本页实测数据
| API 可用性检查 | speechSynthesis 在页面加载即存在，未音色环境下点朗读**不抛异常**（无 pageerror） |
|---|---|
| 文本输入 | 朗读前可编辑文本与语速/音调参数 |
| 音色列表 | VOICE 区域展示浏览器提供的音色清单（数量取决于系统安装的语言包） |
| 纯前端 | 调用浏览器内置合成引擎，文本不发送到任何服务器 |
TTS 工具的体验瓶颈几乎都在浏览器之外（headless 实测 0 报错）：①可用音色由操作系统决定——Windows 上是 SAPI 语音、macOS 是系统语音、Linux 上常为空（需装 speech-dispatcher），「没有中文音色」不是页面 bug 而是系统配置；②headless 浏览器与部分无障碍环境没有音频输出，合成会静默完成或静默失败，本页在这种环境下不抛错（实测）；③Web Speech API 没有跨浏览器统一的音色命名，同一音色名在不同浏览器可能不同。长文本朗读前建议先试播一小段，确认音色与语速符合预期再全部播放。
使用方法
- 打开「文字转语音工具」
- 粘贴待处理的文本
- 根据需要调整输出选项
- 点击「处理」按钮，结果实时显示
- 复制或导出结果
使用场景
- 辅助阅读 — 将网页文章、电子书或文档文字转换为语音，解放双眼，用耳朵"阅读"。
- 语言学习 — 输入外语文本，通过语音朗读学习正确的发音和语调。
- 内容校对 — 将写好的文字转为语音朗读，更容易发现语病和错别字。
- 无障碍朗读 — 为视障或阅读障碍用户提供文本语音化输出，提升内容可达性。
- 生成语音旁白 — 把演示文稿或短视频脚本转成语音，用作快速的视频配音草稿。
常见问题
需要联网吗？
首次使用时需要联网加载语音数据。之后大部分浏览器会缓存语音，可以在离线状态下使用。
支持哪些语言？
支持所有浏览器内置语音库包含的语言，通常包括中文（普通话）、英语、日语、韩语、法语、德语等。
支持下载为音频文件吗？
Web Speech Synthesis API 不支持直接导出为音频文件。如需下载，建议使用系统录音工具录制。
为什么听不到声音或语音列表为空？
通常是系统未安装对应语言的语音引擎。请在操作系统「语音 / 文本转语音」设置中安装所需语言的语音包，然后刷新页面。
能朗读长文本吗？
可以。工具会把长文本分段连续朗读，并在句子边界自然停顿，适合听读长文。
朗读会打断我原来的预览吗？
提供中断、暂停与恢复控制。切换语言或调整语速后可重新开始，避免重复长文本。
生成的语音能商用吗？
取决于所用语音引擎的授权条款：浏览器内置语音（Web Speech API）走系统 TTS，商用授权随操作系统不同而不同；云端 TTS 按调用量计费并明确授权范围。工具本身不添加授权限制，商用前确认引擎条款。
中文朗读时多音字读错了怎么办？
浏览器内置 TTS 对多音字的准确率取决于系统引擎，工具无法指定读音。缓解办法：改写文本绕开歧义（「重庆」→「重 庆」无效，但加标点断句常能修正韵律）；要求精确发音的场景换用支持 SSML 音素标注的云端引擎。