指南

OBS 文字转语音：让直播说出任何文字

请注意：Supertonic 3 目前不支持中文，文中的 SuperClonica 声音可朗读其支持的 31 种语言。OBS Studio 本身不会朗读文字：它只显示和混合你提供的内容。要加入声音，就得提供音频，可以是预先生成的片段，也可以是脚本即时生成、再让 OBS 播放的文件。从 OBS 28 起内置了 obs-websocket 服务器，因此同一台电脑上的脚本无需任何插件就能控制来源。

本指南用免费的 SuperClonica 引擎演示这两种方法，它在你的直播电脑上离线朗读文字。我们用 obs-websocket 协议测试过该脚本：每一行都会设置媒体源的文件并重新播放。

挑选直播声音 安装免费引擎

固定台词：媒体源和快捷键

像“马上回来”或欢迎语这类反复使用的台词，只需生成一次：superclonica --text "Be right back, grab a snack!" --voice F1 --lang en --output brb.wav。在 OBS 中添加媒体源（Media Source），选择文件，开启“来源激活时重新开始播放”，并在快捷键设置中为该来源指定显示快捷键。每按一次，台词就播放一次。中文版 OBS 的菜单名称可能略有不同。

任意文字实时朗读：脚本与 obs-websocket

在 OBS 中打开 Tools → WebSocket Server Settings（工具 → WebSocket 服务器设置），启用服务器并记下密码。在场景中添加一个名为 TTS 的媒体源，文件留空。然后安装这两个包：

pip install superclonica-cpu obsws-python

把脚本保存为 obs_say.py：

import os, sys, wave
import numpy as np
import obsws_python as obs
from superclonica import Superclonica

SOURCE = "TTS"  # the name of a Media Source in your scene
VOICE = os.environ.get("TTS_VOICE", "F1")  # M1..M5, F1..F5 or a voice file from the catalog
LANGUAGE = os.environ.get("TTS_LANGUAGE", "en")
FILES = [os.path.abspath("tts-a.wav"), os.path.abspath("tts-b.wav")]

tts = Superclonica()
client = obs.ReqClient(host="localhost", port=4455, password=os.environ.get("OBS_PASSWORD", ""), timeout=5)

def save(path, audio, rate):
    pcm = (np.clip(np.asarray(audio, dtype=np.float32).reshape(-1), -1, 1) * 32767).astype(np.int16)
    with wave.open(path, "wb") as file:
        file.setnchannels(1)
        file.setsampwidth(2)
        file.setframerate(rate)
        file.writeframes(pcm.tobytes())

def say(text, turn):
    path = FILES[turn % 2]  # two files, so OBS never reads the one being written
    audio, rate = tts.synthesize(text, voice=VOICE, lang=LANGUAGE)
    save(path, audio, rate)
    client.set_input_settings(SOURCE, {"local_file": path}, True)
    client.trigger_media_input_action(SOURCE, "OBS_WEBSOCKET_MEDIA_INPUT_ACTION_RESTART")

for turn, line in enumerate(sys.stdin):
    if line.strip():
        say(line.strip(), turn)

把密码放进 OBS_PASSWORD 后运行，输入文字，或从聊天机器人把文字传给它：

python obs_say.py

每一行都会生成一个 WAV，TTS 来源获得该文件，OBS 从头播放。脚本交替使用两个文件，这样 OBS 永远不会读取正在写入的文件。

选择声音

在目录中任意声音的页面，粘贴一句常用台词（30 到 100 个字符），选择语言并点击朗读。几秒钟就能听到直播效果，无需注册。把 TTS_VOICE 设为十个标准声音 M1 至 M5、F1 至 F5 之一，或目录声音文件的路径，把 TTS_LANGUAGE 设为 31 种语言之一；暂不支持中文。

保持可控

如果观众可以发送文字，只朗读频道点数兑换、Bits 或打赏，限制长度，过滤链接和辱骂，并为 TTS 来源准备静音键。角色声音由粉丝制作，在 SuperClonica 条款范围内用于直播娱乐没有问题，但绝不要让聊天用模仿真人的声音说话。聊天部分请参阅我们的 Twitch 聊天 TTS 指南。