微软Edge的独门绝技又进化了，效果惊人！

创作立场声明：本人长年热衷于挖掘各种好玩有趣或稀奇古怪的电脑软件和手机 App，写文科生都能看得懂玩得转的玩机教程，期待和大家的深入探讨交流。
本文首发于网罗灯下黑，未经授权请勿转载

今年一月份的时候，Chromium 内核的 Edge 浏览器是毫无疑问的当红炸子鸡，每次提到 Edge 浏览器，留言里满满都是「真香」的声音。

不过说实话，虽然早在 2019 年新版 Edge 内测的时候咱就搞来了汉化版测试了一番，可新鲜归新鲜，我还真没准备从 Chrome 迁移到 Edge。

真正让我意识到 Edge 强大的，还是今年一月份写的那篇关于 Edge 「大声朗读」功能的文章，这才让我感受到 Edge 是真的香。

给不了解的小伙伴重新解释一下，相比谷歌的 Chrome，微软 Edge 上独占的「大声朗读」功能可以把浏览器内的文字生成 TTS 语音朗读，说白了就是提供了内置的文字转语音功能。

香的地方在于，一般的文字转语音调用的都是通用引擎，那发声一听就是程序合成的，根本让人听不下去。

而 Edge 背靠微软这颗大树，有着微软这些年在人工智能语音合成领域的技术沉淀背书，吐字清晰、字正腔圆，堪比真人，不信的小伙伴可以看看当时写的这篇文章：《微软Edge，你这是人干的事吗？》。

但是，要说但是了啊，那篇文章的最后有不少小伙伴留言说「想导出朗读的内容」，当时我的回复都是只能额外录音。

可这个问题我拿小本本记住了，就是有什么办法利用 Edge 的「大声朗读」把文字转过来的语音导出成独立的文件呢？

今天我找到了解决方案，Read Aloud，一个把「大声朗读」功能独立出来的文本转语音软件。

Read Aloud

满打满算也就 3M 大小出头的 Read Aloud，界面简约啥的咱就不说了，可麻雀虽小五脏俱全。

如果你就听听作罢，直接输入文本，选择合适的「语音」，然后点击「朗读」即可。

别担心它提供的接口不够，语音那栏里我数了数，和 Edge 上「大声朗读」里的支持的语音数量一致，都是 38 个（顺序有所差别），普通话、粤语、台湾方言都有，主流的外语也都不在话下。

但如果你想把语音导出到本地，就得在下方设置那安排好你的导出目录。

给大家录了个屏来展示一下操作，语音方面当然还是选择公认的拟人度效果最好的「xiaoxiao」了。

点击「录制」，Read Aloud 会自动开始播放文本，而在播放的同时，它会把语音保存到了你设置好的目录，唯一支持的文件格式为 .wav。

当然，你可以在右下角设置最大录制时间，还能调整语速和音调，不过对于部分语音的音调是不可调的，比如「xiaoxiao」。

但作为一个 3M 的小工具，达成这样的效果已经很不容易了，回到一开始的问题，这不就是利用 Edge 的「大声朗读」把文字转过来的语音导出成独立的文件嘛。

什么，还有人嫌 Read Aloud 不够给力？

想想也对，之前的那篇文章里不是还介绍了如何利用微软提供的 SSML 语音合成标记语言，来手把手调教语音，现在一个把「大声朗读」独立出来的小工具可喂不饱大家。

我想了想，既然「大声朗读」的出处是 Edge，那老家自然是微软，我何不去探一探源头处微软「语音合成」的究竟。

高阶操作

既然是微软的 AI 服务，那应该就出自它们家的 Azure 了，陌生的小伙伴可以类比一下国内的阿里云和腾讯云。

去微软他们家的官网，找到 Azure 的页面，然后在「产品-AI + 机器学习-Azure 认知服务」的页面里找到我们的目标。

语音-文本转语音：

点进去，选择「免费开始使用」，登录你的微软账号，再注册 Azure 账号，填写个人资料，基本搞定。

其实上面都没啥好说的，有手就行，但最后一步有个门槛，需要绑定你的信用卡，主要用来验证真实用户，不扣费，在绑好信用卡注册成功后，你就可以享受原汁原味的微软服务了。

登录后添加项目，选择「语音-文本转语音」中的「语音库」。

你就能看到包括晓晓（xiaoxiao）在内的 174 种语音了，然后点击「创建音频」。

当你看到下面这个界面的时候，证明所有的准备工作就绪，非这么老鼻子劲，我倒要看看微软的文本转语音服务有多强。

还是选了《许三观卖血记》第一章的前两段话作为例子：

许三观是城里丝厂的送茧工，这一天他回到村里来看望他的爷爷。他爷爷年老以后眼睛昏花，看不见许二观在门口的脸，就把他叫到面前，看了一会儿后问他： “我儿，你的脸在哪里？” 许三观说：“爷爷，我不是你儿，我是你孙子，我的脸在这里……”

试一下导出，有导出到「音频库」和导出到本地两种选择，不用说了肯定是后者，有意思的来了，支持高品质 16k 和 24k wav 格式文件，也支持标准品质 MP3 格式文件，可以整篇导出，也可以分段落导出音频。

好听归好听，可一切都是默认选项，和 Edge 自带的晓晓没什么区别，别急，在右侧的优化栏，我找到了「好东西」。

我把它分成了三栏，你可以在第一栏里从 174 种语音中选择不同的语音，这是最基础的，多国多人不同的语音。

而在第二栏，可以选择上面不同语音的说话风格，比如「助理、聊天、客服、新闻」，还有各种说话情绪，比如「撒娇、生气、平静、开心、不满、害怕、温柔、抒情、悲伤、严肃」。

至于第三栏，你可以设置语音的停顿、发音、语调、语速、音高、音量。

最最关键的是，上面的每一种选择，你都能应用在文本中的每一段、每一句、每一词，甚至每一字。

也就是说，一个文本，你可以多个人以不同风格讨论的形式念出来。

当然，也可以让每句话带有不同的情绪。

这就很厉害了，我让晓晓以平静的语气念旁白，以害怕的语气念爷爷的对话，以撒娇的语气念许三观的话。

操作起来很简单，拉住需要改变的那句话，然后点击对应的选项就好了。

丰富的操作，让合成的语音在你的巧手下变得更加真实，如果你愿意，甚至可以通过更改每个字来让晓晓口吐方言。重要的是微软的这个服务还是免费的，但实际上，微软的这个应用比市面上很多收费软件的效果都更出色，如果你是一名短视频创作者，相信你心中自有定论。

之前还需要 SSML 语音合成标记语言的代码，现在怎么就能这么点点就实现了，你点开上面「SSML」的开关，本质上是一样的：

听着晓晓的声音，想着合成语音的未来，嗯，千万别有什么大胆的想法。

结语

语音软件

今天给大家安利的两个工具，一个初阶 Edge 「大声朗读」导出工具，一个高阶的微软 AI 服务，怎么选择还得看大家的需求咯。

不知道大家发现没有，现在不少推销电话都开始用 AI 合成音了，不过还是能听出来有 AI 那种特有的顿感。

那如果未来 AI 合成音更逼真了呢，不管是语调、尾音、口音，甚至说每句话的抑扬顿挫，和我们说话都差不多呢。

想想还真有点可怕。

一如既往感谢各位小伙伴的支持和关注！