Cherry Studio TTS 文本转语音：4步出首次声音，参数表与排障速查
【免费下载链接】cherry-studio🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端项目地址: https://gitcode.com/CherryHQ/cherry-studio
Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端，内置的 TTS（文本转语音）功能可以把任意文字变成自然流畅的语音，引擎可选本地或云端，全部在应用内完成。
功能速览
TTS 在 Cherry Studio 里不是一个写死的引擎，而是把各系统自带语音、可下载的本地模型（如 Kokoro、Qwen3-TTS）和云端合成服务统一挂到一个"语音"入口下，随时切换。本地合成任务由主进程调度执行，不经过浏览器窗口，长文朗读时不影响你切到其他页面。
| 引擎类型 | 适用场景 |
|---|---|
| 系统语音（Apple、Windows） | 离线、零配置，短文本快速试听 |
| 可下载本地模型（Kokoro、Qwen3-TTS 等） | 离线长文朗读，自然度要求较高 |
| 云端合成服务 | 多语言、多音色、追求最高自然度，需联网 |
本地推理入口在 TtsInferenceService.ts，模型加载和音频输出都在这一层统一处理。神经网络合成、多语言能力由各自引擎提供，Cherry Studio 负责统一调度和参数传递，所以换引擎不用重新学操作。
从安装到首次出声
先拿到源码并构建：
git clone https://gitcode.com/CherryHQ/cherry-studio cd cherry-studio npm install npm run build然后四步听到第一句声音：
- 打开设置，进入"语音"页，确认引擎状态为 ready；本地模型首次使用会自动下载，等它完成。
- 选一个引擎（系统语音或本地模型），再挑一个和文本语言匹配的音色角色。
- 把要转换的文字粘贴到输入框。
- 点"试听"生成并播放，确认效果后保存音频文件。
把声音调成你要的
可调参数集中在这一个页面，界面源码见 VoiceSettings.tsx。语速、音调、音量都可微调，其中语速是精确数值，范围 0.5 到 2.0：
| 参数 | 作用 | 建议值 |
|---|---|---|
| 语速 | 控制朗读速度，倍速 | 默认 1.0；范围 0.5–2.0，步进 0.1 |
| 音色角色 | 决定哪个声音在读 | 选与内容语言一致的音色 |
| 合成语言 | 决定发音规则 | 单语文本显式指定，混合语言用自动 |
| 自动朗读 | 新 AI 回复是否自动读出 | 长文跟读时开启，仅走本地系统语音 |
批量转语音有两条路：静态长文先按段落切开逐段合成，再拼音频；AI 流式输出直接开"自动朗读"，每条新回复到达即被读出，不用手动触发，适合连续阅读。
两套能直接照搬的工作流
通勤听文档：
- 设置里选本地模型引擎（Kokoro 适配器见 kokoroTTS.ts），确认模型已下载；
- 粘贴文章内容，语速调到 1.2 左右，选熟悉的音色；
- 试听确认音色可接受后保存音频；
- 长文按章节重复一次，攒几个文件排进通勤队列。
视频/动画旁白：
- 选云端或高自然度本地引擎，挑一个语气贴合视频风格的角色；
- 把旁白稿整理成纯文本（去掉镜头提示），逐段合成；
- 单句听着拗口就单独把语速降到 0.9 再合成；
- 逐段导出音频，按时间线排进剪辑软件。
出了问题先查这里
| 症状 | 可能原因 | 解决办法 |
|---|---|---|
| 语音机械、不自然 | 系统语音质量有限 | 换可下载本地模型或云端引擎，或语速降到 0.9 再试 |
| 合成慢、首次等待久 | 本地模型未下完，或机器配置低 | 确认模型包已完整下载；本地引擎换配置更充裕的机器；云端引擎先查网络 |
| 点试听后没声音 | 音色角色未选或引擎未就绪 | 设置页确认引擎状态为 ready，重新选角色再点试听 |
播放与状态控制逻辑在 SpeechPlaybackService.ts，日志里能查到每次播放的失败原因。问题依旧可以从应用内的诊断入口提交报告，附带本地日志方便定位。
TTS 入口就在设置面板里，四步出声，参数一张表调完。现在就去选一段你本来想听的文字，转成语音。
【免费下载链接】cherry-studio🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端项目地址: https://gitcode.com/CherryHQ/cherry-studio
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
