文字转语音
输入文本 → 选择语言和音色 → 点击生成,三步完成配音。支持语速、音调、音量参数调节,部分语音支持情感风格(如温柔、愤怒、悲伤)和角色扮演效果。HD 语音模型可自动识别文本情绪,实时调整语调。支持上传 TXT/DOCX 文件和 SRT 字幕文件配音,支持插入停顿和背景音乐。
陕西话文字转语音 · 晓妮陕西话音色(Preview 预览状态)
陕西话一开口就有股厚重劲儿,普通话音色读不出这个底色。这一页是 Xiaoni(女声)陕西话音色,按关中方言发音合成,做西安本地短视频、文旅介绍、方言段子都能用。粘贴文字点生成,MP3 直接下载。
要提醒的是:陕西话音色目前是微软的 Preview(预览)状态,可用但稳定性不如正式音色,正式项目建议先试听再定稿。语速 0.5x-2x、音调 ±50% 可调,长稿走批量生成单任务 10 万字,输出无水印 MP3。
陕西方言配音:晓妮陕西话音色按关中方言发音合成,燎咋咧、嘹滴、咋咧 这类口语直接读,单次最多 5000 字符,长稿走批量生成、单任务 10 万字。
把下面这句陕西口语贴进输入框试听,陕西话的声调和普通话差得很远:
来,把这段话粘进去,挑个燎滴音色,一点就成咧。
推荐音色:Xiaoni(女声)
输入文本 → 选择语言和音色 → 点击生成,三步完成配音。支持语速、音调、音量参数调节,部分语音支持情感风格(如温柔、愤怒、悲伤)和角色扮演效果。HD 语音模型可自动识别文本情绪,实时调整语调。支持上传 TXT/DOCX 文件和 SRT 字幕文件配音,支持插入停顿和背景音乐。
按段落分配角色,每个角色配一个音色,系统自动切换生成完整对话音频。做陕西话广播剧、双人陕西话访谈、教学对话演练都合适。
每个任务支持最多 10 万字的大规模文本转换,系统采用异步批处理机制,不会实时返回音频。可一次提交多个任务,后台同步执行生成,提交后可关闭页面,稍后返回查看任务状态并下载已完成的音频。陕西话有声书、整套听力素材走这个入口最省事。
上传一段已有音频,把它换成系统里的目标音色,原来的语速、停顿和语气保留下来。已经录好的陕西话口播想换音色、或者想给同一段陕西话配多个版本,用这个不用重新录。
生成配音音频的同时输出对应字幕文件,可直接导入剪映、PR 等剪辑软件。陕西话视频想上陕西话字幕或做双语字幕,在这里一次拿到音频和 SRT。
独立的时间轴工具:调整偏移、合并相邻字幕、拆分超长字幕、SRT/ASS/VTT 互转。字幕和音频差半秒这类问题,在这里改比重新生成快。
上传 5-30 秒清晰人声样本(MP3/WAV),系统学习这段声音的特征后用它朗读你写的陕西话稿,免费单次 500 字(会员 1000 字)。品牌出镜人不想每次录音,或者想让固定声音贯穿一系列视频,可以用它。
用文字描述想要的音色(比如“成熟男声、语速偏慢、适合企业宣传”),系统据此生成专属音色;也能基于上传样本做克隆。系统自带音色都不满意时,这条路比找配音更省事。
zh-CN-shaanxi 语种下提供 Xiaoni(女声)神经网络音色,单次可转 5000 字符,长文本走批量生成、单任务上限 10 万字。下表是陕西话(关中方言)语音合成的参数口径,界面上的可选项与下表一致。
| 指标 | 数据 |
|---|---|
| 语言名称 | 中文 (陕西话) · Chinese (Zhongyuan Mandarin Shaanxi, Simplified) |
| 语言代码 | zh-CN-shaanxi |
| 可用音色 | Xiaoni(女声),共 1 个音色,当前均为 Preview(预览)状态 |
| 发音特点 | 关中方言(陕西话)发音,声调厚重、语调下沉;当前仅有 1 个 Preview 音色(女声) |
| 页面界面 | 中文界面,语言与音色名称按原语言写法显示 |
| 单次转换上限 | 5000 字符(含空格与标点,超出自动截断) |
| 批量生成上限 | 单任务最多 10 万字,异步批处理,可多任务并行 |
| 参数调节 | 语速 0.5x-2x、音调 ±50%、音量 0-100%、静音时长、目标时长 |
| 文件导入 | TXT / DOCX 文本导入,SRT 字幕按时间轴配音 |
| 导出格式 | MP3 / WAV,无水印、无片头片尾宣传语音 |
| 底层引擎 | 微软 Azure 认知服务文本转语音 API(神经网络语音) |
| 使用门槛 | 免登录即可使用,无需绑定手机号;当日可用额度在页面顶部实时显示 |
| 中文(其他方言与地区变体) | wuu-CN、yue-CN、zh-CN、zh-CN-guangxi、zh-CN-henan、zh-CN-liaoning、zh-CN-shandong、zh-CN-sichuan、zh-HK、zh-TW,共 11 个 |
同一段文字换成别的方言,听感差别很明显。要换方言或地区写法,在“语言”下拉里直接切,语音列表会同步刷新;也可以直接进对应的页面:
关中方言是陕西话的代表,声调走向跟普通话差别明显,语调更沉、开口更重。这个语种目前提供 1 个陕西话音色(晓妮,女声),状态为 Preview 预览。
Preview 音色可以正常生成与下载,但长文本稳定性与情感表达不如正式音色。重要稿件建议先试听几句;需要更稳的效果时,可以用普通话(zh-CN)语种页生成一版对照。单次最多 5000 字符,长稿走批量生成。
来,把这段话粘进去,挑个燎滴音色,一点就成咧。
界面为中文界面,输入框可直接粘贴陕西口语写法;其他方言与普通话请在“语言”下拉里切换。
| 对比维度 | 浮云梦配音(本站口径) | TTSMaker | Edge 大声朗读 | ElevenLabs |
|---|---|---|---|---|
| 使用门槛 | 免登录,网页即用 | 需注册(以官网为准) | 浏览器内置,仅限 Edge 内使用 | 面向开发者与海外用户(以官网为准) |
| 陕西话地区变体 | 11 个(zh-CN-shaanxi / wuu-CN / yue-CN / zh-CN 等) | 以官网为准 | 跟随系统语音包,以官网为准 | 以英语音色为主,以官网为准 |
| 字数与批量 | 单次 5000 字符;批量单任务 10 万字 | 以官网为准 | 无批量与附加功能 | 以官网为准 |
| 多人对话 | 内置,每个角色可配不同音色 | 多角色功能受限 | 不支持 | 以官网为准 |
| 语音克隆 | 上传 5-30 秒样本即可,免费单次 500 字(会员 1000 字) | 以官网为准 | 不支持 | 以官网为准 |
| 字幕工具 | 音频转 SRT + 时间轴校准 | 以官网为准 | 无 | 以官网为准 |
| 导出水印 | 无水印、无片头片尾宣传语音 | 以官网为准 | 无 | 以官网为准 |
| 界面语言 | 中文界面,语言名显示原语言写法 | 以官网为准 | 跟随浏览器语言 | 英文为主 |
竞品一列只做定性描述,具体功能、音色数量与限制以各家官网为准;这里的数值口径均可在上方参数表与站内语言列表中核对。
陕西话(关中方言)语音合成基于微软 Azure 认知服务文本转语音 API(Microsoft Azure Cognitive Services Text-to-Speech),Luna、Wayne 均为神经网络(Neural)音色,情感风格由所选风格参数控制。语音克隆与语音转换使用深度学习模型,与 TTS 引擎分开。整段音频在服务端生成,浏览器只负责播放与下载,本地不需要显卡算力。
一个:晓妮(Xiaoni,女声),目前是 Preview 预览状态。方言语种音色数量普遍偏少,普通话(zh-CN)有 54 个正式音色可选。
短视频、测试类内容基本够用;正式商业项目建议先试听判断,因为 Preview 音色在长文本里可能出现语调波动,稳定性不如正式音色。
目前陕西话只有女声。备选方案是用普通话男声音色(如云希、云扬)读陕西话写法,方言味会淡一些;或者改用河南话的男声音色做接近替代。
合适,陕西话在本地文旅内容里亲和力强。讲解类建议 0.9x-1x 语速,段落之间留 1 秒左右停顿,方便听众跟读。
单次 5000 字符上限,超出截断;长稿(景区讲解、系列段子)用批量生成,单任务最多 10 万字。
下载 MP3 无水印、无片头片尾宣传语音;商用场景的使用与授权细节以站内说明为准。
用本地常用词:嘹咋咧(燎咋咧)、咋咧、嫽、咥(吃)、谝(聊)。句子短一点,语气词放句尾,读出来更有味道。
合适,陕西话对本地美食内容的转化有帮助。语速 1.05x-1.15x 接近口播节奏,菜名前后加 200-300ms 停顿更清楚。