TTS（Text-to-Speech）是一个强大的文本转语音工具，支持将任意文本或字幕文件转换为高质量语音音频。该工具采用模块化设计，提供两种后端引擎：Kokoro本地引擎和Noiz云端API，用户可根据需求灵活选择。在基础模式下，用户只需输入文本即可快速生成语音，适用于简单的朗读场景；而在时间轴精准模式下，则能实现字幕级同步的配音效果，特别适合视频配音、有声书制作等需要精确控制每个片段时长的任务。 TTS的核心优势在于其高度可定制的声音控制能力。它不仅支持多种预设音色，还允许通过参考音频进行声音克隆，让生成的语音接近特定人物的声音特征。此外，借助Noiz后端，用户还能对每段语音施加情感参数（如喜悦、平静、愤怒等），显著提升语音表现力。速度调节功能也一应俱全，无论是加快语速播报新闻，还是放慢节奏用于教学讲解，都能轻松应对。 该工具特别注重实际应用场景中的效率与兼容性。无论是处理纯文本、EPUB电子书，还是SRT格式字幕文件，TTS都能无缝转换并输出为MP3、OGG或Opus等常见音频格式。对于开发者而言，它提供了命令行接口，便于集成到自动化流程中；同时支持第三方平台（如飞书、Telegram、Discord）的消息推送，极大扩展了使用边界。即使没有配置API密钥，系统也会自动启用访客模式，提供15种内置音色供基础体验使用。
核心功能特点
- 支持两种后端引擎：本地Kokoro与云端Noiz，满足不同性能与功能需求
- 具备声音克隆功能，可通过参考音频路径或URL复制特定人声特征
- 提供情感控制参数（emo），实现喜怒哀乐等多种情绪表达
- 支持时间轴精准配音模式，实现字幕级同步的SRT文件转语音
- 可调节语速、语言及音频输出格式（MP3/OGG/Opus等）
- 兼容第三方平台消息推送，支持飞书、Telegram、Discord集成
适用场景
TTS最典型的应用场景是有声读物制作。无论是将长篇博客文章、学术论文还是小说章节转为音频书籍，用户都可以利用其简单模式快速生成流畅自然的朗读内容。配合Kokoro引擎对中文字符的高效处理，特别适合中文内容的批量转换，而章节划分功能则让EPUB或PDF文档的音频化变得极为便捷。 另一个高频使用场景是视频配音与字幕同步。当需要将外语影片翻译成中文并重新配音时，TTS的时间轴模式能够根据SRT字幕文件逐句生成对应语音，确保口型与语音完全匹配。此时结合动态参考音频切片功能（–ref-audio-track），甚至可以在翻译过程中直接复用原始视频中的说话者声音片段，实现更真实自然的双语切换效果。 企业客服与教育领域也能从中获益。例如，在智能语音助手开发中，通过设置不同的voice-id和emo参数，可以快速构建具有亲和力或专业感的AI角色；而在在线教育场景中，教师可用不同音色分别扮演学生和老师，增强互动感。即便没有API密钥，访客模式下的15种预设音色也已能满足基础培训材料录制、播客试音等轻量级需求。