微軟語音合成技術

01. 核心技術介紹

本程式 整合了微軟最新的 Edge-TTS (Azure Cognitive Services) 技術，讓您無需申請複雜的 API 金鑰，即可免費使用高品質的 AI 神經網路語音。

與傳統機械音不同，Neural TTS 模型能生成極其自然、抑揚頓挫、且帶有情感的人聲，廣泛應用於：

• 🎬 影片旁白：為解說影片、短影音快速配音。
• 📚 有聲書製作：將長篇文章轉為語音朗讀。
• 🎤 角色扮演：透過多角色設定，一人分飾多角演出對話。

02. 功能特色解析

🌍 多國語言支援

系統內建支援多種語言模型，包含：

• 中文 (Chinese)：台灣口音 (曉臻、雲哲)、大陸口音 (曉曉、雲希)、粵語等。
• 英文 (English)：美式 (Jenny)、英式 (Ryan) 等，發音標準道地。
• 日韓與其他：完整的日語、韓語、法語、德語支援。

🎛️ 進階參數控制 New!

為了滿足更細緻的聲音需求，本封測版本加入了強大的獨立控制功能：

• 語速 (Speed)：支援 -50% (慢速) 到 +50% (快速) 的全域調整。
• 音調 (Pitch)：支援 5 個角色 獨立音調設定。
  • 想讓 **男童 (Boy)** 聲音更稚嫩？試試 +20Hz 或 +30Hz。
  • 想讓 **男聲 (Man)** 更沉穩？試試 -20Hz 或 -30Hz。

03. 使用模式說明

📝 一般文字模式 (Text Mode)

直接輸入文字即可生成語音。支援特殊的 **「角色標籤」** 功能，讓您在同一段文字中切換不同聲音：

Man: 你好，我是爸爸。
Woman: 嗨，我是媽媽。
Boy: 我是小明！
Girl: 我是小美～
(無標籤): 這是旁白聲音。

系統會自動依據標籤切換對應的角色設定 (包含您設定的獨立音調)。

🎬 SRT 字幕配音模式 (SRT Dubbing)

直接載入 .srt 字幕檔，系統會依據字幕的時間軸生成語音。

• 智慧避讓 (Smart Anti-Overlap)：如果上一句還沒唸完，下一句會自動順延，確保聲音不重疊。
• 字幕清洗 (SRT Cleaner)：針對雙語字幕 (如中日對照)，可使用 🧹 只保留中文 功能，一鍵去除外語，避免 AI 朗讀出不必要的原文。

04. 常見問題 (Q&A)

Q: 出現 "403 Forbidden" 錯誤？

A: 這是因為微軟更新了 API 驗證機制。請點擊介面左下角的 🔄 更新組件 (Fix 403) 按鈕，系統會自動更新 edge-tts 核心組件來修復此問題。

Q: 為什麼顯示「【某某語言模型】 無法朗讀中文內容」？

A: 雖然部分外語模型 (如日文模型) 也能讀漢字，但發音通常不準確。如果您輸入中文內容卻選擇了外語模型 (例如德文、法文等)，系統會自動偵測並發出明確的警告 (精準標示出是哪個模型不匹配)，避免生成錯誤或無聲的音訊。

Q: 雲澤 (Yunze) 聲音不見了？

A: 微軟官方似乎已移除了雲澤模型。建議改用 **雲希 (Yunxi)** 並搭配 **音調調整** 來模擬類似的聲音。

Q: 怎麼把生成的語音直接播給 Discord 裡的朋友聽？

A: 由於語音合成是把聲音輸出到您的喇叭，朋友是聽不到的。您可以透過兩種方式分享：

1. 使用 立體聲混音 (Stereo Mix)：在 Discord 把麥克風改成「立體聲混音」，這樣您電腦播出來的合成語音，朋友就聽得到了（但同時也會聽到您看影片的聲音）。
2. 使用 VB-Audio Virtual Cable（推薦）：去 Windows 音效設定，把播放合成語音的軟體（或系統預設輸出）指派給 CABLE Input，然後在 Discord 麥克風選擇 CABLE Output，這樣就能乾淨的只傳送合成出來的語音！

05. 技術規格 (Specs)

• 核心引擎 (Core Engine)：Microsoft Edge Read Aloud API (微軟大聲朗讀技術)
• 音訊格式 (Format)：MP3 (中間運算格式) / WAV (最終輸出封裝，方便後製)
• 音質取樣 (Sample Rate)：24kHz / 48kHz (高解析度音質)
• 網路需求 (Network)：必須保持網際網路連線 (使用雲端即時運算)