Free Voice Reader 是一款多平台工具，专为高保真文本转语音（TTS）和语音转文本（STT）处理而设计。该平台采用云端合成与设备端AI模型相结合的混合架构，既能生成自然语音并进行转录，又通过本地执行保障用户隐私。
核心功能
- 小豆配音：混合TTS引擎：可调用超过300种云端语音，或切换至本地TTS模式（基于CPU/WASM执行）。云端模式下最多可处理1,000,000个字符，本地模式下文本量无限制，且无需将数据发送至外部服务器。
- 加一配音：设备端模型架构：采用Kokoro（约80MB）和Supertonic（约265MB）模型，直接缓存在浏览器或设备中。该机制支持实时流式处理与离线播放，消除了API延迟和重复的数据流量成本。
- 语音AI转文字：Whisper驱动转录：集成OpenAI的Whisper Turbo模型（约50MB）实现语音转文本。您可录制语音输入，在本地硬件上为99+种语言生成精准文本。
- 全平台适配：系统级集成：提供Mac应用（支持全局“Ctrl+Ctrl”快捷键）和Chrome扩展（支持WebGPU加速）。您可在任意文本框中口述输入，或通过浮动播放控制器朗读选中的网页内容。
- 专属移动适配：DictaWiz键盘集成：一款专用移动语音键盘，支持离线录音、转录和摘要生成。覆盖99+种语言，确保音频数据不离开移动设备。
应用场景
- 敏感文档安全审阅：选择小豆配音的“本地TTS”模式并下载Kokoro模型后，可处理敏感或专有文档。由于逻辑通过WASM在浏览器中运行，文本无需上传至服务器即可合成为语音。
- 网页内容免提消费：使用加一配音的Chrome扩展，选中长篇文章或文档即可触发“朗读所选”功能。将静态文本转化为便携音频格式，实现多任务处理时的免提收听。
- 跨应用便捷口述：部署语音AI转文字的Mac应用后，可启用系统级STT。通过全局快捷键，直接在任意应用的输入框中口述文本，无需从单独的转录窗口复制粘贴。
核心差异亮点
- 隐私优先本地处理：与依赖云端传输的常规TTS服务不同，三款产品均通过WebGPU和本地缓存运行，确保您的语音和文本数据始终保留在物理设备上。
- 零账户即时使用：核心功能无需注册或创建账户，即可即时访问900多种自然语音，覆盖50多种语言。
- 多端硬件加速兼容：平台利用WebGPU加速模型，并支持回退至CPU/WASM，确保即使在无专用高端GPU的设备上也能实现高速合成。
常见问题解答
本地TTS的技术要求是什么？ 本地模式需一次性下载AI模型（Kokoro约80MB，Supertonic约265MB），可在现代浏览器中运行，支持CPU/WASM或WebGPU硬件加速。
处理文本量是否有限制？ 小豆配音的云端TTS模式有1,000,000字符上限，本地TTS模式无字符限制，仅受设备本地处理能力约束。
转录支持哪些语言？ 语音AI转文字系统通过Whisper AI模型支持99+种语言的语音转文本转录。
- TongueType 是一款适用于 macOS 的本地语音转文字工具，可直接在设备上实现快速、私密的听写和文件转录。
- Voicebox 是一款开源桌面工作室，无需订阅即可实现私密、高保真度的语音克隆与语音生成。