eSpeak NG
开源的文本转语音合成器,用共振峰合成做到几 MB 体积覆盖一百多种语言,提供命令行、共享库和 Windows SAPI5 版本,适合开发者在离线设备上做朗读功能或语音交互原型。
1 次可以打开平均 7.4 秒11 月 19 日 起国内不可直接访问11 月 10 日 起国内不可直接访问
本站从国内机房定期实测。竖条由远及近:绿 = 可以打开,橙 = 国内不可直接访问,灰 = 打不开。eSpeak NG 是一个开源的文本转语音(TTS)合成器,基于 Jonathan Duddington 创建的 eSpeak 引擎。它用共振峰合成(formant synthesis)的方式生成语音,因此程序和数据加起来只有几 MB,却能覆盖一百多种语言和口音。和基于真人录音的大体积合成器相比,它的声音清晰、能高速朗读,但自然度和流畅度要差一些。
主要功能
它提供命令行程序,可以从文件或标准输入读取文字并朗读;也能作为共享库被其他程序调用。在 Windows 上还有 SAPI5 版本,可以配合屏幕阅读器和其他支持 SAPI5 的软件使用。输出方面,它能把语音保存为 WAV 文件,支持不完整的 SSML 和 HTML 标记,还能把文本转成带音高和时长信息的音素代码,作为其他语音合成引擎的前端。此外,它支持 Klatt 共振峰合成,也可以把 MBROLA 当作后端来用。
适合谁
需要离线、轻量语音合成能力的开发者,可以用它做朗读功能或语音交互的原型;使用屏幕阅读器的视障用户,可以通过 SAPI5 版本获得语音反馈;研究语音合成或多语言发音的人,也能拿它做音素转换和前端实验。项目用 C 写成,代码在 GitHub 上以 GPL-3.0 等许可证开源,欢迎母语者帮忙完善各语言的发音。
平台与限制
官方支持 Linux、BSD、Android、Windows 和 Mac,其中 Windows 最低要求 Windows 8,Android 版本随版本号不同对应 Android 4.0 或 5.0 以上。它没有图形界面,主要靠命令行或作为库调用,普通用户直接上手需要一点技术背景。语音的自然度有限,不适合对音质要求高的配音场景。
