指南

文字转 MP3：把文字转语音保存为 MP3 文件

大多数人最终想要的是一个 MP3：能在任何手机上播放，可以直接放进播客、聊天软件或课程。免费的 SuperClonica 引擎会朗读你的文字并直接保存为 MP3，在你自己的电脑上完成，不限字数。请注意：Supertonic 3 暂不支持中文，可朗读英语、日语、韩语等 31 种语言。

本指南介绍如何从一句话或整个文件夹的文本生成 MP3、用哪些声音，以及什么时候 WAV 或 FLAC 更合适。

浏览声音 安装 SuperClonica 引擎

一条命令把文字转成 MP3

不需要转换器，也不需要上传网站：文字不会离开你的电脑。

  • 只需安装一次引擎：python -m pip install superclonica-cpu。
  • 然后一条命令：superclonica --text "Hello! This file was made from text." --voice F1 --lang en --output hello.mp3。
  • 格式由扩展名决定：.mp3 生成 MP3（当前版本为 128 kbps、44.1 kHz、单声道），.wav 生成 16 位 WAV，.flac 和 .ogg 也可以。
  • 模型在首次运行时下载，之后一切都离线运行。

先免费试听声音

安装之前，先听听声音：在目录中任意声音页面输入 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。

长文本和大量文件

在普通的 8 核台式机处理器上，我们估计引擎比实时快 6 到 10 倍，一小时的音频只需几分钟。

  • 整篇文章或整章：用 --text-file chapter.txt 代替 --text；长文本会在自然停顿处分段，再合成一个文件。
  • Linux 或 macOS 上处理整个文件夹：for f in texts/*.txt; do superclonica --text-file "$f" --voice F1 --lang en --normalize --output "${f%.txt}.mp3"; done。
  • 加上 --normalize，所有文件的响度都会统一为 −18 LUFS。
  • 把文本文件命名为你希望 MP3 使用的名字。

声音

模型自带的十个标准声音 M1 到 M5、F1 到 F5 免费可用。目录中还有播音员、聊天式声音和角色声音，每个都能免费在线试听；免费声音无需注册即可下载，付费声音一次购买后以 JSON 文件的形式归你所有，用 --voice 传入。每个声音都能说 Supertonic 3 的 31 种语言，暂不支持中文。

MP3、WAV 还是 FLAC？

MP3 体积小、到处都能播放：适合分享、播客、手机和播放器。WAV 不压缩：剪辑时用它，切割和混音不会层层叠加损失。FLAC 和 WAV 一样无损，但体积更小，适合存档。实用的流程是用 WAV 生成和剪辑，最后导出 MP3；如果不需要剪辑，直接生成 MP3 即可。