指南
图片转语音：把图片中的文字读出来
书的一页、菜单、招牌、聊天截图、练习单：有时你想听的文字只存在于图片里。把它变成语音分两步：先识别图片里的文字，再配音，每一步都有好用的免费工具。请注意：Supertonic 3 暂不支持中文，可以朗读英语、日语、韩语等 31 种语言的文字。
本指南介绍如何在手机或电脑上从照片中复制文字，以及如何用 SuperClonica 配音：31 种语言的自然声音、适合单句的免费在线试用，以及处理整页的免费引擎。
第一步：从照片中取出文字
请检查一遍识别出的文字：断开的单词、颠倒的字母等 OCR 错误会被原样读出。
- 在 iPhone 上，“实况文本”（Live Text）可以选择并复制照片和相机画面中的文字。
- 在 Android 上，Google 智能镜头（Google Lens）可以选择并复制照片或相机中的文字。
- 在电脑上，Tesseract 等 OCR 工具可以把图片转成文本文件。
- 光线充足、角度端正、对焦清晰，比用哪个应用更重要。
第二步：在线免费配音
在任意声音页面粘贴 30 到 100 个字符的句子，选择语言并点击生成按钮。几秒后即可试听和下载，无需注册。
配音前整理文字
每次从照片复制一段：比整页更容易检查。
- 把页面在句子中间断开的行连起来；换行本来也不会带来停顿。
- 删掉页码、页眉和注释标记。
- 修复行末被连字符拆开的单词。
- 数字和缩写按应读的方式书写。
整页和大量照片
整页文字可以先用 Tesseract 识别，例如 tesseract photo.jpg page -l eng，会生成 page.txt。然后用 python -m pip install superclonica-cpu 安装免费语音引擎并运行 superclonica --text-file page.txt --voice F2 --lang en --normalize --output page.mp3。引擎没有字数限制且离线运行，扫描的章节或一摞练习单都能变成音频，无需上传任何东西。按页码给文件命名，就不会乱序。
隐私以及哪些内容可以配音
两步都可以在你自己的设备上完成，私人信件和文件不会外传；只有免费在线试用会把你输入的那句话发给 SuperClonica。为自己收听而朗读书的一页属于个人使用，公开发布书籍的音频则需要权利人许可。