文本转语音

更多作品

文本转语音

主页更新日志反馈功能本地 API / MCP

描述

可以把文字转为语音, 支持多种语言和角色配音。同时可以进行合并导出

适用场景

文字转为语音

桌面版支持开启「本地 API 服务」，让脚本、自动化工具或 AI 助手（MCP）直接调用语音合成。

开启方式

打开应用，进入 设置 → 本地 API 服务
打开开关（默认关闭）
如需修改端口，输入新端口后点击「应用」，默认端口为 23456，可用范围 1024–65535

服务仅监听 127.0.0.1，不会暴露到局域网；会拒绝浏览器跨站请求。当前没有鉴权，本机上的其他程序都可以调用，请仅在可信环境中开启。

HTTP 接口

以下示例均以默认端口 23456 为例。

方法	路径	说明
GET	`/health`	健康检查，返回应用版本
GET	`/v1/voices`	可用的 Edge 在线语音
GET	`/v1/models`	已安装的本地 AI 模型与默认模型
POST	`/v1/tts`	生成语音

使用 Edge 在线语音

curl -X POST http://127.0.0.1:23456/v1/tts \
  -H 'Content-Type: application/json' \
  -d '{"text":"你好，世界","voice":"zh-CN-XiaoxiaoNeural"}' \
  -o speech.mp3

指定本地 AI 模型

先通过 GET /v1/models 获取已安装模型的 id，再通过 model 指定：

curl -X POST http://127.0.0.1:23456/v1/tts \
  -H 'Content-Type: application/json' \
  -d '{"text":"你好","model":"模型ID","speaker":"zf_xiaobei","language":"zh"}' \
  -o speech.wav

请求参数

参数	类型	说明
`text`	string	必填，1–5000 字符
`voice`	string	Edge 语音名称，默认 `zh-CN-XiaoxiaoNeural`；指定本地模型时等同 `speaker`
`rate`	number	Edge 语速 0.5–2，默认 1
`volume`	number	Edge 音量 0–1，默认 1
`pitch`	number	Edge 音调 -50–50，默认 0
`model`	string	本地模型 ID，传入后使用本地引擎；`engine` 为 `local` 且未传时使用应用中的默认模型
`speaker`	string	本地模型说话人
`language`	string	本地模型合成语言，默认 `zh`
`speed`	number	本地模型语速，默认 1
`description`	string	声音设计模型的音色描述
`emotion`	string	情感描述（视模型支持）
`format`	string	传 `json` 时返回音频路径与时长，否则直接返回音频内容

通过 API 生成的语音同样会记录到应用的「历史」中。

成功：默认返回音频二进制（audio/mpeg 或 audio/wav）；format 为 json 时返回 success、audioPath、duration
失败：返回 JSON，包含 success: false 和 error

MCP 接入

同一个服务提供 MCP 端点（Streamable HTTP，无状态），地址为 http://127.0.0.1:23456/mcp。

Claude Code：

claude mcp add --transport http speak-text http://127.0.0.1:23456/mcp

其他支持 HTTP 传输的 MCP 客户端，使用如下配置：

{
  "mcpServers": {
    "speak-text": {
      "type": "http",
      "url": "http://127.0.0.1:23456/mcp"
    }
  }
}

提供的工具：

工具	说明
`speak`	合成语音并保存为音频文件，返回文件路径与时长，参数同 `POST /v1/tts`
`list_voices`	列出可用的 Edge 在线语音
`list_models`	列出已安装的本地 AI 模型与默认模型

注意事项

本地 AI 模型一次只能生成一条，引擎忙碌或模型未安装时会返回错误
暂不支持需要参考音频的克隆音色模型
端口被占用时，设置页会提示启动失败，更换端口即可
需要桌面版 v1.0.6 及以上版本

描述