文字轉語音

這個工具能做什麼

這個文字轉語音工具用自然的 AI 聲音朗讀英文文字，並可以把結果下載為 WAV 檔案。它使用 hexgrad 發布的開源語音合成模型 Kokoro-82M（8200 萬參數），透過 kokoro-js 函式庫和 Transformers.js 執行。所有處理都在瀏覽器裡完成：不用註冊，沒有字數額度，也沒有伺服器能看到你輸入的內容。

模型很小，一般筆電就能執行。在支援 WebGPU 的瀏覽器（較新的 Chrome 和 Edge）上，它用顯示卡執行完整精度的模型；其他情況下在 CPU 上執行 8 位元量化版本，體積更小，聲音依然清晰。

怎麼使用

1. 點選 下載模型並啟動。第一次會下載模型（CPU 約 92 MB，WebGPU 約 326 MB）並由瀏覽器快取，進度條會顯示剩餘多少。下次開啟會從快取載入，幾秒就好。
2. 輸入或貼上文字，或者點選 範例 試一段短文。輸入時會即時顯示字元數和預估的音訊長度。
3. 選擇 聲音，並把 語速 調到 0.5× 到 2× 之間。
4. 點選 產生語音。較長的文字會依句子切成小段，逐段朗讀，並顯示「第 3 / 12 段」這樣的進度。點選 停止 可以提前結束，並保留已經產生的音訊。
5. 在播放器裡試聽，然後點選 下載 WAV 儲存為 24 kHz 單聲道檔案。

想要分開的檔案時，把 輸出 設為 每行一個音訊：每個非空行會各自產生一個帶編號的 WAV（01-…、02-…），按 全部下載（ZIP） 可一次儲存。

「分享」按鈕會複製一個包含文字、聲音和語速的連結，別人開啟後可以在自己的瀏覽器裡產生同樣的語音。

聲音與語言

Kokoro 的瀏覽器版聲音 只會說英語：20 個美式英語聲音（11 個女聲、9 個男聲）和 8 個英式英語聲音（4 個女聲、4 個男聲）。清單裡每個聲音都標出了模型說明中的綜合評級；Heart 和 Bella（美式女聲）評分最高，Emma（英式女聲）以及 Fenrir、Michael、Puck（美式男聲）也是不錯的選擇。

發音由 espeak-ng 音素轉換器產生，人名、縮寫和數字一般都能讀對，少見的詞可能需要換個寫法。如果文字大部分是其他文字（例如中文），工具會提示你，因為這些字元無法朗讀。

範例

載入範例段落，保持預設聲音 Heart，點選產生。兩段文字會變成兩個分段，幾秒後就能得到大約二十秒的語音，兩段之間有短暫停頓。換成 George 可以得到英式男聲旁白，把語速調到 1.3× 則讀得更輕快，再產生一次即可。

執行需求與隱私

需要支援 WebAssembly 和 Web Worker 的現代瀏覽器：桌機或手機上的新版 Chrome、Edge、Firefox 或 Safari。WebGPU 不是必要的，只是會更快。記憶體較小的手機處理長文字可能吃力；如果 WebGPU 出錯，請選擇 僅 CPU。模型檔案來自 Hugging Face，ONNX Runtime 引擎來自公共 CDN；每個聲音檔案（約 0.5 MB）在第一次使用時下載。快取之後，產生語音本身可以離線進行。