到底怎樣才能讓微軟萌妹幫我讀小說？

語音 AI 合成這個選題我們已經寫過一篇了，對比來對比去，還是微軟家的曉曉說話好聽。

而正因為微軟這個效果好，所以每當看到有人基于微軟 TTS 搞出來的軟件，我都會上手把玩一下，像 GitHub 開源的這個 edge-TTS-record，是把 Edge 瀏覽器里大聲朗讀的接口封裝了過來，然后通過內錄實現生成語音文件的功能。

像吾愛破解論壇上經常出現的這種易語言的寫的工具，封裝的則是微軟語音合成 Demo 的接口，把在線生成的音頻緩存給提取了出來，從而實現保存語音文件到本地的效果。

兩種都是通過封裝在線接口實現的白嫖，可我總覺得這些微軟語音合成二次封裝的工具都有一個問題——即找不到適用場景。

誠然，如果你是個不想真人念稿的視頻制作者，或者有這樣那樣工作上的用途，這些工具已經能一定程度上的滿足需求。

但對于更多的人來說，比如我，除了嘗鮮和水一篇文章外，別無他用，真不如 @ag2s20150909 大佬開源的那個安卓上的 TTS 目標明確，搭配閱讀器來在線聽小說。

用過 TTS 聽小說的小伙伴應該知道，比起傳統的像朗讀女那種老式語音朗讀軟件，或比起其他大廠的語音合成工具，效果簡直是降維打擊。

那電腦上或 iOS 上想用微軟語音合成聽書，又該怎么辦呢？我研究了兩天有了些心得，特來分享給大家。

微軟語音聽書

說起電腦上聽書，我第一時間想到的就是用 Edge 瀏覽器的大聲朗讀，事實上也確實可以聽，在線小說站單章就能聽，本地的 txt 文件用 Edge 打開后也能聽。

但問題在于前者需要我們聽完一章后手動切換下一章，后者雖能整本打開，但又因為文本體積太大而導致大聲朗讀罷工。

直到我在吾愛破解上看到了 @xljxlj 制作的「微軟語音聽書」。

原理前面也提到了，就是利用 Demo 的接口在線把文字生成語音，可又因為微軟 TTS 是沒有提前緩存操作的。

所以微軟語音聽書這里加了個預加載的功能，即生成第一段語音后，會連續生成后幾段的語音，以便我們能安心的連續聽書。

第一次打開軟件，我們要去右下角找到「打開文件」并導入本地的 txt 文件:

如果你和我一樣導入的是 400 多萬字近 10 MB 大小的《雪中悍刀行》，那導入過程略慢，因為它會把小說按章節切割：

切割后的文本會在軟件同目錄下所生成的「data」文件夾內。

此時我們要做的就是去右上角選擇語音和風格，比如曉曉的撒嬌風格。

然后，微軟語音聽書就開始干活了，注意，這里的緩存單位是段。

具體的語音文件能在軟件同目錄下「temp」臨時緩存文件內找到。

我們只要選擇「開始」，就可以聽緩存好的小說了。

要說有啥注意的，微軟語音聽書這個工具默認的緩存上限只有 30 段，聽了 1 段就會刪掉 1 段的緩存。

如果需要提高這個緩存上限，可以用文本打開「config.ini」配置文件，把緩存數改高。

至于聽到一半有事不聽了，放心關閉軟件，這個微軟語音聽書可以自動記錄聽到了哪里，但美中不足的是，每次關閉都會清干凈當前音頻緩存，需要再次加載。

電腦上的在線聽書方案，大體上就是利用 Edge 的大聲朗讀聽在線小說，用微軟語音聽書這個工具聽本地小說。

那 iOS 呢？實話實話，沒找到最佳的方案，我用了 iOS 上的 Edge 瀏覽器訪問在線小說網站，或用在線閱讀器打開本地文件，再使用大聲朗讀，也試了 Stay 2 裝了與之相關的腳本。

可無一例外，效果都很差，做不到連續聽書的效果，剩下的思路只有 iOS 上用安卓虛擬機再安裝使用 TTS，這種旁門左道的做法。

本想著放棄，但我用微軟語音聽書的時候，不是發現它是緩存了多個本地音頻文件嘛。

這給了我曲線救國的新思路——在線聽不了，咱本地生成后導到手機上聽。

順著這個曲線救國的新思路研究下去，我發現我們需要一個批量文字轉語音的微軟 TTS 工具。

上一節的「微軟語音聽書」雖然可以批量緩存音頻到本地，但為了穩定性，人家只能一段一段的緩存，也就是說一整本小說緩存下來，那得上萬個音頻文件，明顯不適合現在使用。

理論上說，我們也可以用 Aspeak 這個微軟語音合成的命令行工具，搭配 FFmpeg 這個音視頻處理的命令行工具，編寫腳本實現批量處理。

但門檻高不說，這么折騰屬實沒必要，因為我去吾愛破解、GitHub 等網站扒拉了倆小時后，找到了支持批量轉換工具，TTS-VUE。

安裝好后，我見到了勝利的曙光，這個工具可以搞定批量轉換。

但也有一些坑需要避，因為是一次性生成語音文件，而微軟那邊的白嫖接口又有字數限制，所以分割文本這事需要我們自己解決。

我找來了一年前碰到的「TXT 殺手」，你可以按章節分割，也可以按字數分割，保險起見我這里按 2000 字切割了《雪中悍刀行》（后測試可以更多）。

于是生成了 2000 多份的文件（這怨種小說字確實多）。

但用 TXT 殺手分割出來的文本是 ANSI 編碼的，微軟 TTS 只支持 UTF-8 編碼，所以需要批量轉換一下編碼。

網上搜到的批量轉編碼工具大多是 VBS 腳本，從吾愛上找了個 19 年的小工具，選擇「添加文件夾」，然后「轉換」，兩千多份文本就都轉成了 UTF-8 格式了。

把轉好的文本添加到 TTS-VUE 內，批量生成的語音文件就搞定了。

我試了 2000 多份文本直接往里拖，結果不出意外的崩潰了，2000 字的文本 10 個 10 個往里扔，不到 1 分鐘就轉換好了。

你說這算成功了嘛？

總結

我看了下 2000 字生成的每個音頻文件在 7 分鐘左右，這明顯還不是一個完善的解決答案，但剩下的，無非就是調一下分割字數等參數，找找音頻合成的工具了（格式工廠能搞定）。

但這兩天沒功夫折騰了，就當挖個坑，感興趣的小伙伴可以順著這個思路玩下去。

這篇寫得長也雜，但我的目的是想更具體的為大家提供思路，工具嘛都是好工具，無論是在線預加載的「微軟語音聽書」，還是批量轉換的「TTS-VUE」，亦或「TXT 殺手」和「編碼轉換器」。

有關項目的地址，和我自己存的藍奏云鏈接就不往后臺扔了，大家有需要自取吧。

微軟語音聽書 吾愛原帖：

www.52pojie.cn/forum.php?mod=viewthread&tid=1676076

上面這個的藍奏云：

wws.lanzouj.com/iPV9X0aik2wd

TTS-VUE（批量轉換）GitHub：

github.com/LokerL/tts-vue

上面的藍奏云：

wws.lanzouj.com/iUQru0aik3uh

TXT 殺手：

wws.lanzouj.com/ivjgy0aik4cf

TXT 編碼轉換器：

wws.lanzouj.com/i94p40aik5gf

安卓 TTS：

github.com/ag2s20150909/TTS

雖然這篇說成功也沒那么成功，但當你碰到電腦聽小說，文字轉語音，TXT 文本處理的時候，別忘了這些我已經幫你踩過坑的工具，over。