指南

什么是 TTS？用简单的话讲清文字转语音

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。TTS 是 text to speech 的缩写，即文字转语音：把书面文字变成语音的软件。应用朗读文章、导航播报转弯、TikTok 视频用机器人或卡通声音说话、Discord 用 /tts 朗读消息，这些都是 TTS。

本指南讲解其内部原理、常见的 TTS 声音类型，以及如何在几秒内免费、无需注册地听到现代的自然声音。

试听声音 安装免费引擎

文字如何变成语音

TTS 系统先整理文本：把数字、日期和缩写展开成文字，并确定每个词的读音。然后由模型把它变成声音。早期系统拼接录音片段或按规则合成，所以听起来像机器人。现代神经网络 TTS 从大量录音中学习，直接预测声音，因此语调、停顿和节奏都更接近真人朗读。

哪里会用到 TTS

Windows 讲述人等屏幕阅读器为看不见屏幕的人朗读界面。手机和浏览器朗读文章和书籍。社交应用给视频配上 TTS 声音，主播让系统朗读弹幕，游戏为角色配音，语音助手和电话菜单用合成语音回答。学语言的人用 TTS 听发音，无法说话的人用它与人交流。

三类 TTS 声音

系统声音随 Windows、macOS、Android 和 iOS 提供：免费且离线，但往往平淡。云服务通过互联网提供非常自然的声音，通常按字符收费。开源神经网络模型如今能在普通电脑上运行：自然的声音、离线、无限制。SuperClonica 就基于这样的模型 Supertonic 3（支持 31 种语言），并加入了作者制作的角色、旁白和播报员声音目录。

现在就听听自然的 TTS 声音

在 SuperClonica 目录中打开任意声音，输入一句话，选择语言并点击朗读按钮：几秒后就能听到，免费且无需注册。如需离线朗读整篇文本，可在 Windows、macOS 或 Linux 上安装免费的 SuperClonica 引擎；应用和机器人则可通过语音合成 API 使用相同的声音，提供免费密钥。