媲美真人配音！微軟語音合成助手 - 免費文字轉換音頻的 TTS 工具 (發音更有感情)

2022-07-22
中國內地資訊
2,955
儲存文章

AI 技術在飛速發展，比如美顏換臉、文字識別、語音識別、移除圖片背景、自動駕駛等等都在生活的各個方面起到了應用。而「語音合成 TTS」方面，如今實用性也已非常驚人了。

像騰訊雲、阿里雲、百度雲等都推出文字轉語音在線服務 API，但合成的人聲大多時候都很容易聽出「機械人味」。而微軟的 Azure TTS 文本轉語音服務效果就比較讓人驚嘆了！它擁有多種聲音和情感風格，能像真人一樣朗讀出抑揚頓挫，使得合成的人聲非常逼真自然，不妨來看看……

微軟自然語音轉換 - 像真人般將文本朗讀出來並保存成音頻

「微軟文本轉語音」Azure Text to Speech 是一個能將文字轉換成真人般自然朗讀的雲服務，相比同類 TTS 強大之處在於，它藉助 AI 神經網絡技術，讓合成的語音擁有媲美真人的表現力，實現人聲語調與情感匹配，朗讀時能表現出高興、悲傷、新聞廣播、客服、恐懼、耳語等情感。

微軟語音合成助手 Azure TTS

加上語速、語調、發音、停頓都可以由用戶調節，實際生成的語音非常自然逼真！完全不再像機械人了！因此微軟文本轉語音技術幾乎能應用在任何場景。新版的 Edge 瀏覽器的朗讀功能就是基於此技術而來。可惜此服務是付費的，你還懂編程才能用上它，這似乎離普通用戶很遠？

別急！其實，微軟提供了一個免費的在線 DEMO 演示，可以讓用戶隨便輸入文字實現在線試聽（但字數有限制，且試聽無法保存）。於是，高手們紛紛各顯神通，給我們帶來了幾款如微軟語音合成助手、Edge-TTS-record、微軟 TTS 下載按鈕腳本插件等免費工具，可以幫助你將一大段文字轉換成音頻導出 mp3 或錄製成 wav 保存下來，用於其他地方。

微軟 TTS 朗讀效果預覽：

我們先來聽幾段微軟文本轉語音的效果吧，相信你一定能聽出來，它真的比目前大多數 TTS 同行要優秀很多，情感表現力簡直滿分！開心、嚴肅不同場景可以用不同的調調，就連講個鬼故事也都能講出害怕的感覺。

其實如今在嗶哩嗶哩、抖音、快手裡好多視頻的配音，都有使用了這個微軟語音庫來生成，人的聲音聽起來很自然，不特意地去留意，基本都分辨不出來是用機器合成的。

微軟語音合成助手免費版 (Windows)

「微軟語音合成助手」是一款完全免費的文字轉語音的 Windows 電腦版軟件，它綠色免安裝，而且體積小巧，打開就能使用 (需聯網)，軟件界面非常簡潔，上手即會使用。

微軟語音合成助手 Azure TTS

它完全藉助了微軟的 Azure TTS 服務來將文字合成並生成語音，支持在線試聽，也可以保存成 mp3 音頻文件，效果非常接近真人朗讀！不僅真實自然，而且也能設置它的情感風格、語速、停頓、音量等等。

微軟語音合成助手可以支持導入 TXT、SRT 字幕、PDF 多種格式的文檔文件，甚至還能支持 JPG、PNG 截圖裡的文字識別並導入成文本內容。並且重點是，此軟件使用了分段下載合併的方式解決了一次只能轉換 2500 個字數限制的問題。

軟件支持保存導出編輯內容，支持翻譯，自動排版，自動標點，文本替換，敏感詞提醒，敏感詞替換，SSML 多人語音混編等多種功能，還可以實現批量轉換。

瀏覽器插件：微軟 TTS 下載音頻按鈕（油猴腳本）

前面說到，微軟 TTS 本身提供了文字轉語音的在線演示的網頁版，可以讓用戶在瀏覽器上輸入或粘貼文本，轉換成語音進行試聽，但官網上並不提供下載功能。因此，有開發者製作了這麼一個「微軟 TTS 下載音頻按鈕」插件，可以讓你將試聽的語音下載保存成 MP3 音頻。

微軟 TTS 語音下載按鈕插件

這款瀏覽器插件是完全免費的，它是以 UserScript (油猴腳本) 的形式提供的，比如 Chrome、Edge 等瀏覽器安裝了 Tempermonkey 插件后就能安裝此類腳本。安裝成功並啟用的話，微軟 TTS 的網頁上除了試聽按鈕以外，還會如上圖一樣，增加一個「下載音頻」的按鈕。

所以，如果你使用 Mac、Linux 或者不希望下載第三方軟件，那麼使用此腳本也可以在瀏覽器里搞定文本轉音頻。

Edge-TTS-record 開源錄製工具

這款開源免費的「edge-TTS-record」工具，是一款可以錄製 Microsoft Edge 瀏覽器的語音合成（TTS）語音並輸出為 .wav 音頻的 Windows 版工具。另外，網上也有一款名為「Read Aloud by asup」的工具與此程序幾乎一樣，暫不知道是否同一作者。

Edge TTS record 微軟語音錄製工具

由於 Edge 瀏覽器也是使用了微軟 Azure TTS 的技術，因此它擁有了同樣的逼真自然的聲音引擎，包括了曉曉、雲楊等人物聲音。不過相比前兩者，此工具的實現方法是需要將試聽的聲音進行「錄音」而來的，因此錄製時間較長，同時過程中也可能受到系統其他軟件聲音的影響。

aspeak - 命令行文字轉語音工具：

對於有特殊需求的朋友，還有一款命令行版的微軟 TTS 語音合成工具 aspeak，這是用 Python 編寫的基於 Azure 語音合成的命令行程序，安裝簡單，還可以跨平台使用。

#安裝 aspeak pip install --upgrade aspeak  # 最簡單的例子： aspeak -t "異次元軟件世界，你好呀！" -l zh-CN  #導入 .txt 文件，並轉換成 .wav 音頻保存 aspeak -f input.txt -l zh-CN -o ouput.wav

更多具體的參數，比如怎樣指定語音，大家可以看 aspeak 的官方文檔。至於此工具的的實際應用例子嘛，就得看大家發揮想象力和二次開發的能力了。

總結：

不管你是視頻 UP 主、自媒體還是辦公人士，藉助微軟 Azure TTS 的語音合成引擎來不僅能錄製一些旁白、朗讀稿子電子書、給視頻配音等，也能自娛自樂，給生活和工作都帶來方便與樂趣。

上面的幾款工具都是免費的，感興趣和有需要的朋友都可以下載使用。當然了，微軟這個 TTS 雲服務接口本來是需要付費的，而這些免費工具都是基於微軟的免費 Demo 演示開發而來，哪一天要是被關掉了，可能就無法使用了。所以，免費有限，大家且用且珍惜吧……