批量TTS教程：单任务10万字异步提交完整流程

准备工作：文本格式与文件要求

先说说文件怎么准备。批量配音功能认的是纯文本文件，后缀名 .txt，编码用 UTF-8 最稳。我头一回用的时候拿了个 .docx 直接上传，结果提示格式不对，白忙活。

单个文件不超过10MB，这大概能装多少字？按纯中文算，10MB大概能装500万汉字，但单任务总字数上限是10万字，所以文件大小基本不用操心。你要是搞一本长篇小说，拆成每10万字一个任务就行。

文本里可以加分段标记，比如用空行隔开不同章节，生成的时候每段会单独输出一个音频文件。这个细节挺实用，省得自己后期剪。

分步操作：从上传到下载全流程

打开批量配音页面，界面很干净，就几个按钮。我一步步说清楚。

第一步：上传文件。 点"选择文件"，从电脑里挑你的 .txt 文件。我试过同时上传5个文件，每个2万字，系统自动合并成10万字的任务。注意文件顺序，上传列表是按你点的顺序排的。

第二步：选音色。 下拉菜单里列出所有音色。拿通用女声XiaoXiao来说，有8种风格：通用、聊天、欢快、温柔、新闻播报、客服、抒情、严肃。我一般做有声书选"叙事"或"抒情"风格，做教程选"通用"或"客服"。

顺带提一句，如果你要做多人对话，可以用多人对话配音功能，给每个角色分配不同音色，效果更自然。

第三步：调参数。 语速默认1.0，范围0.5-2.0。我试过把语速调到1.2，听起来不赶，节奏刚好。音量默认100%，一般不用动。语调也是0-100，调太高容易像机器人。

第四步：提交任务。 点"开始合成"，系统会给你一个任务ID。这时候你可以关掉页面去干别的。10万字的任务，我实测大概8-15分钟完成，具体看服务器忙不忙。

第五步：下载音频。 过段时间回到页面，点"历史记录"，找到你的任务ID，点下载。每个分段对应一个MP3文件，也可以一键下载全部，打包成ZIP。我一般选WAV格式，音质更好，但文件大点。

踩坑提醒：常见错误与解决办法

用了快一年，踩过的坑列出来，你碰上了直接照着修。

• 上传后提示"格式错误"——八成是文件编码问题。用记事本打开 .txt，另存为时选"UTF-8"编码，再上传就ok。
• 生成到一半卡住——检查网络，或者文件里有没有特殊字符。我遇到过文本里有个没闭合的引号，导致解析失败。删掉那个符号重新上传就好了。
• 下载的音频某一段没声音——可能是那一段文本是空行或者只有标点。建议在文本里每个段落至少放几个字。
• 任务提交后一直显示"处理中"——超过30分钟还没好，刷新页面重新查一下历史记录。偶尔服务器缓存没刷新，刷新就好了。
• 字数超了10万——系统会提示，不会让你提交。拆成两个文件，分两次传。

还有个事，批量TTS生成的音频默认文件名是乱码，下载后建议自己重命名，不然找起来头疼。

音频试听：不同音色效果对比

光说没用，直接听。下面几个音频是同一段文本用不同音色合成的，你听听差别。

通用女声 XiaoXiao（通用风格）——最百搭，做有声书、教程、广告都行。

通用男声 YunXi（聊天风格）——适合播客、闲聊类内容，听着亲切。

专业解说男声 Yunjian（纪录片风格）——做纪录片、科普视频首选，有那种"央视感"。

可爱女声 Xiaomeng（通用风格）——适合儿童故事、萌系内容。

我拿上面4个音色做了个盲听测试，让朋友猜哪个是真人哪个是AI，结果50个人里只有12个猜对了。音频在这：。说实话，现在的神经网络语音已经很难分辨了。

与同类工具对比

市面上的批量TTS工具我基本都摸过一遍。阿里云TTS单任务上限1万字，超了就得自己拆，而且免费额度用完后按字符收费。百度智能云TTS更抠，单次5000字上限，做长文本得来回折腾。讯飞听见音色多，但按分钟收费，10万字下来少说几百块。

浮云梦配音单任务10万字上限，完全免费，不用注册，生成的音频还能商用。我帮朋友做了一整本有声书，30万字，分了3个任务提交，全程没花一分钱。唯一短板是音色没商业平台那么多，但常用的10多种覆盖了90%的场景。

另外，如果你需要给音频配字幕，可以试试字幕工具，上传音频直接生成SRT字幕文件，省得自己手动打时间轴。