Jarvis TTS 语音合成

功能

用 Microsoft edge-tts 生成高质量语音，然后用 macOS afplay 播放。提供自然流畅的中文语音输出。

使用场景

• AI 助手语音回复
• 文字转语音
• 有声读物播放
• 语音通知/提醒

优势

• ✅ 自然 - 微软 Neural TTS，接近真人声音
• ✅ 流畅 - 完整播放，不会中断
• ✅ 多音色 - 支持多种中文语音（男声/女声）
• ✅ 离线 - 生成后可重复播放

使用方法

基本用法

jarvis-tts.sh "要说的内容"

示例

# 简单回复
jarvis-tts.sh "好的，马上执行"

# 长文本
jarvis-tts.sh "从一数到一百：一、二、三...一百。数完了！"

# 指定语音
jarvis-tts.sh "你好" --voice zh-CN-YunxiNeural

可用语音

中文男声

• zh-CN-YunxiNeural - 阳光活泼（默认）
• zh-CN-YunjianNeural - 激情运动风
• zh-CN-YunyangNeural - 专业新闻播报

中文女声

• zh-CN-XiaoxiaoNeural - 温暖
• zh-CN-XiaoyiNeural - 活泼

工作流程

文字输入 → edge-tts 生成 MP3 → afplay 播放 → 完成

详细步骤

1. 生成语音 - edge-tts 调用微软 TTS API 生成 MP3
2. 检查文件 - 确认生成成功且文件大小正常
3. 播放音频 - afplay 播放直到完成
4. 清理 - 删除临时文件

脚本说明

jarvis-tts.py

Python 脚本，执行 TTS 生成和播放。

依赖：

• Python 3
• edge-tts (pip3 install edge-tts)

用法：

python3 jarvis-tts.py "要说的内容"

jarvis-tts.sh

Shell 封装脚本，方便直接调用。

用法：

./jarvis-tts.sh "要说的内容"

技术细节

音频生成

python3 -m edge_tts \
  --voice zh-CN-YunxiNeural \
  --text "要说的内容" \
  --write-media /tmp/output.mp3

播放保证

• 等待生成完成再播放
• 检查文件大小确保成功
• 同步播放直到完成

超时处理

• 生成超时：60 秒
• 播放超时：根据音频长度自动计算

限制

• 仅支持 macOS（依赖 afplay）
• 需要安装 edge-tts
• 需要网络连接（调用微软 API）

扩展建议

如需支持其他平台：

• Linux: 用 aplay 或 paplay 替代 afplay
• Windows: 用 powershell -c (New-Object Media.SoundPlayer) 播放

相关文件

• scripts/jarvis-tts.py - 主脚本
• scripts/jarvis-tts.sh - Shell 封装