本地语音合成 免费版

概述

免费版本地语音合成工具基于 Piper 引擎，为个人用户提供完全离线的文字转语音能力。无需云端 API、无需 API Key、零费用，安装后即可在本地生成高质量语音。生成的 MP3 文件可作为语音消息投递至 Telegram、Discord 等渠道。本版本适合个人开发者、内容创作者与无障碍辅助场景。

与专业版相比，免费版聚焦单条文本合成与预置音色选择，不包含批量合成、自定义音色训练、SSML 标记与 API 服务化等高级能力。但两者的核心合成命令完全一致，便于后续平滑升级。

核心能力

核心功能执行

用input_params参数进行配置。

输入: 用户提供核心功能执行所需的指令和必要参数。 处理: 按照skill规范执行核心功能执行操作,遵循单一意图原则。 输出: 返回核心功能执行的执行结果,包含操作状态和输出数据。

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

参数配置与调用

用config_options参数进行配置。

输入: 用户提供参数配置与调用所需的指令和必要参数。 处理: 按照skill规范执行参数配置与调用操作,遵循单一意图原则。 输出: 返回参数配置与调用的执行结果,包含操作状态和输出数据。

• 执行此能力时使用config_options参数,支持修改/重置/导入操作

结果处理与输出

用output_format参数进行配置。

输入: 用户提供结果处理与输出所需的指令和必要参数。 处理: 按照skill规范执行结果处理与输出操作,遵循单一意图原则。 输出: 返回结果处理与输出的执行结果,包含操作状态和输出数据。

• 执行此能力时使用output_format参数,支持导出/保存/转换操作 能力覆盖范围：本skill的核心能力覆盖以下场景关键词：Piper、的本地离线文字转、语音工具、零云端调用、适合个人单条语音、面向个人用户的本、地离线文字转语音、多音色选择、离线运行、适用场景、个人语音消息生成、离线朗读、无障碍辅助、内容创作配音、差异化、免费版聚焦单条文、本合成与基础音色、不含批量合成与自、定义音色训练、适用关键词、语音合成、文字转语音、voice等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持。

使用场景

场景一：个人语音消息生成

用户希望将一段文字转为语音消息发送给好友。

# 生成语音
scripts/piper-speak.sh "嘿，今天天气不错，要不要一起出去走走？"

# 示例
# MP3 路径: ~/.piper/output/20260718_153000.mp3

将输出路径填入回复，以语音消息形式投递：

[[audio_as_voice]]
MEDIA:~/.piper/output/20260718_153000.mp3

场景二：内容创作配音

博主为短视频生成英文旁白，避免真人录音。

# 生成英文旁白
scripts/piper-speak.sh "Welcome to my channel. Today we will explore the future of AI." en_US-ryan-high

# 输出
# MP3 路径: ~/.piper/output/20260718_153100.mp3

场景三：无障碍朗读辅助

将长文本转为语音，方便视障用户或通勤时收听。

# 朗读一段文章摘要
scripts/piper-speak.sh "本文介绍了向量数据库的核心原理与典型应用场景，包括相似度检索、推荐系统与语义搜索。"

不适用场景

以下场景本地语音合成免费版不适合处理：

• 加密文件破解
• 损坏文件修复
• 物理介质数据恢复

触发条件

需要文件处理、文档转换、格式互转、内容提取时使用。不适用于非本工具能力范围的需求。

快速开始

1. 运行安装脚本，自动安装 Piper 引擎与默认音色。

scripts/setup-piper.sh

安装脚本会：

• 通过 pip 安装 piper-tts
• 下载默认音色 en_US-kusal-medium
• 配置输出目录 ~/.piper/output/

2. 生成第一条语音。

scripts/piper-speak.sh "Hello, this is my first voice message."

3. 获取 MP3 路径并投递。

[[audio_as_voice]]
MEDIA:/path/to/output.mp3

配置示例

免费版配置通过环境变量或脚本参数控制。

# ~/.piper/config.sh
export PIPER_VOICE="en_US-kusal-medium"   # 默认音色
export PIPER_OUTPUT_DIR="$HOME/.piper/output"  # 输出目录
export PIPER_SPEED="1.0"                  # 语速（0.5-2.0）

可用预置音色

下载更多音色：

scripts/setup-piper.sh --voice en_US-ryan-high
scripts/setup-piper.sh --voice en_GB-northern_english_male-medium

最佳实践

• 按需合成：不要设置 messages.tts.auto: "always"，这会使每条回复都变慢。保持按需触发。
• 音色选择：内容创作推荐 en_US-ryan-high（高质量），日常使用推荐 en_US-kusal-medium（速度快）。
• 文本长度：单条合成建议不超过 500 字，过长文本建议分段合成后拼接。
• 语速调整：通过 PIPER_SPEED 环境变量调整，1.0 为正常速度，1.2 适合快节奏内容。
• 输出管理：定期清理 ~/.piper/output/ 目录，避免磁盘空间占用过多。
• 离线运行：安装完成后完全离线，无需网络连接，适合无网环境使用。
• 平台兼容：支持 macOS（Apple Silicon + Intel）与 Linux，需 Python 3.9+。

常见问题

依赖详情

Piper 需要 Python 3.9+。运行 python3 --version 检查版本，若低于 3.9 请先升级 Python。

Q2：合成的语音有杂音或断续？

• 检查文本中是否包含特殊字符，尝试去除 emoji 与特殊符号。
• 确认音色模型完整下载，重新运行 scripts/setup-piper.sh --voice <音色名>。
• 长文本建议分段合成。

Q3：免费版支持中文语音吗？

免费版预置音色以英语为主。如需中文语音合成，可尝试下载社区中文音色模型，或升级至专业版获取多语言支持。

Q4：可以在 Windows 上使用吗？

免费版主要支持 macOS 与 Linux。Windows 用户建议通过 WSL（Windows Subsystem for Linux）运行，或升级至专业版获取原生 Windows 支持。

Q5：合成的 MP3 如何发送到 Telegram？

在 Agent 回复中使用 [[audio_as_voice]] 标记加上 MEDIA:<MP3路径>，即可作为原生语音消息投递至 Telegram 等渠道。

已知限制

没有。免费版完全本地运行，无任何使用次数或频率限制。合成速度取决于本地硬件性能。

Q7：如何调整语速？

通过环境变量 PIPER_SPEED 设置，范围 0.5（慢速）到 2.0（快速），默认 1.0。

export PIPER_SPEED="1.2"  # 加速20%
scripts/piper-speak.sh "这是一段加速语音"

依赖说明

运行环境

• Agent 平台：支持 SKILL.md 的任意 AI Agent（Claude Code / Cursor / Codex / Gemini CLI 等）
• 操作系统：macOS（Apple Silicon + Intel）/ Linux
• 运行时：Python 3.9+
• 网络：仅安装时需要下载音色模型，运行时完全离线

第三方依赖

API Key 配置

• 免费版无需任何 API Key。
• 完全本地离线运行，不调用任何云端服务。

可用性分类

• 分类：MD+EXEC（纯 Markdown 指令，部分功能需要 exec 命令行执行能力）
• 说明：基于 Markdown 的 AI Skill，通过自然语言指令驱动 Agent 执行任务。免费版为单条合成功能子集，核心合成命令与专业版完全兼容。

错误处理

示例

基本用法

输入：用户提供操作指令和必要参数

输出：返回执行结果,包含操作状态和输出数据

用户: 执行核心功能
Skill: 正在执行核心功能...
Skill: 执行完成,结果如下: 操作成功