平时想把几十万字的长篇小说转成音频丢进手机里听，或者给视频脚本配段多角色对话，用普通的配音工具经常被单次字数上限卡死，合出来的声音也总是单调的旁白腔。最近在… · @likebookmark · TwKit

@likebookmark

平时想把几十万字的长篇小说转成音频丢进手机里听，或者给视频脚本配段多角色对话，用普通的配音工具经常被单次字数上限卡死，合出来的声音也总是单调的旁白腔。最近在 GitHub 上翻到 easyVoice 这个开源的文本转语音项目，用 Docker 在本地跑起来试了一下，处理长文本确实省事不少。 它干的事情很直接：基于免费的 Edge-TTS 和大模型接口，帮你把超长文本或小说直接转成语音和配套的 SRT 字幕。不光能一口气合成十万字以上的内容并支持边转边听的流式播放，还能接上 DeepSeek 等兼容 OpenAI 格式的模型，让 AI 自动分析上下文里的对话和旁白，给不同角色分配对应的声音、语速和音调。 用下来有几个细节考虑得挺周到： - 会自动把超长文本切分成多段去合成再拼接，绕开了 Edge 接口单次 10 分钟的时长限制，而且按真实音频帧数做了时间轴对齐，长篇字幕越往后也不会和声音错位 - 在文本里直接写上停顿几秒的标记就能插入真实的静音片段，字幕时间轴会自动顺延，也不会把标记文字留在生成的 SRT 字幕文件里 - 对中文里的数字读法做了专门区分，像年份、金额会按正常习惯朗读，但遇到手机号、验证码、股票代码这类编号会自动逐位报数，同时字幕里依然保留原始数字 不过要是开启了 AI 推荐多角色配音，因为它得先调大模型把全文按段落拆解、逐句分配角色参数再去合成音频，整体生成速度会比直接选固定音色慢上一截；另外底层主要靠 Edge-TTS 驱动，并发调太高容易触发接口限制，目前也还没有集成声音克隆功能，比较适合平时喜欢自己转小说有声书、或者做视频需要批量出配音和字幕的朋友。 GitHub：https://github.com/cosin2077/easyVoice 平时淘到的好东西我都随手收录在小站了：https://ai.likebookmark.com/ #GitHub #开源分享 #文本转语音 #独立开发

曝光 50 · 评论 1 · 点赞 1 · 书签 0