Skip to Content

TTS 语音模块

这是一个为 SillyTavern 开发的文字转语音（TTS）模块，可以让 AI 角色的回复”开口说话”。 启用月：打开小白X扩展菜单-辅助工具-勾选TTS语音模块

这个模块能做什么？

简单来说：把 AI 的文字回复变成语音播放出来。

  • AI 回复后可以自动朗读，也可以手动点击播放
  • 支持多种音色（男声、女声、不同风格）
  • 可以给不同角色指定不同的声音
  • 支持情感控制（开心、悲伤、生气等语气）

两种使用模式

试用模式

  • 无需任何配置，开箱即用
  • 提供 11 个预设音色：
    • 女声：桃夭（甜蜜仙子）、霜华（清冷仙子）、顾姐（御姐烟嗓）、苏菲（优雅知性）、嘉欣（港风甜心）、青梅（清秀少年音）、可莉（奶音萝莉）
    • 男声：夜枭（磁性低音）、君泽（温润公子）、沐阳（沉稳暖男）、梓辛（青春少年）
  • 不稳定，如果报错“全部段落请求失败”，则代表服务器暂时挂了，请用鉴权模式，官方接口永不挂（四次元壁的语音同理，用的同一个试用服务器）

鉴权模式

  • 需要配置火山引擎 API
  • 可使用 200+ 预设音色
  • 支持声音复刻（用自己的声音）

界面说明

播放器按钮

模块提供两种播放器显示方式：

楼层按钮：显示在每条 AI 消息旁边 悬浮按钮：固定在屏幕上，可拖动位置

在设置面板顶部可以勾选启用哪种模式。

播放器状态

  • 播放 → 点击开始朗读
  • 准备/缓存 → 正在准备音频
  • 播放中 → 显示声波动画
  • 暂停 → 已暂停，可继续
  • 完成 → 本条播放结束

设置面板

点击播放器的展开按钮（）或设置按钮（）打开设置。

基础配置页

鉴权配置

  • AppID / Access Token：填入火山引擎的凭证（试用模式可跳过）

朗读设置

  • 自动朗读：AI 回复后是否自动播放
  • 语速：0.5x ~ 2.0x 可调

文本过滤功能

在基础配置页的”文本过滤”部分，有两个功能可以精确控制哪些内容需要朗读、哪些内容跳过。

跳过区间

作用：遇到指定的”起始”标记后，跳过中间内容，直到遇到”结束”标记为止。

使用场景

很多角色卡会在回复中插入状态栏、属性面板、旁白说明等内容，这些通常不适合朗读出来。

配置方式

每条规则有两个输入框：

  • 起始：开始跳过的标记
  • 结束：停止跳过的标记
示例

假设 AI 回复是这样的：

"今天天气真好呀！"她开心地说道。

【状态栏】
好感度：85
心情：愉悦
【状态栏结束】

"要不要一起去散步？"

如果你添加一条规则：

  • 起始：【状态栏】
  • 结束：【状态栏结束】

那么朗读时会跳过中间的状态信息，只读：

“今天天气真好呀！“她开心地说道。“要不要一起去散步？“

特殊情况
  • 只填起始、结束留空：从起始标记开始，后面的内容全部跳过
  • 起始留空、只填结束：从开头到结束标记之间的内容全部跳过
  • 两个都留空：这条规则无效，不会产生任何作用

只读区间

作用：只朗读匹配标记内的内容，其他所有内容都忽略。

使用场景

有些角色卡会用特定符号包裹”台词”部分，比如用引号、书名号或自定义标记。如果你只想听角色说的话，不想听旁白描写，可以用这个功能。

启用方式

需要先勾选”启用只读区间”复选框，规则才会生效。

示例

假设 AI 回复是这样的：

她轻轻叹了口气，目光望向窗外。

「我一直在等你回来。」

月光洒在她的脸上，映出淡淡的忧伤。

「你知道吗，每天晚上我都会想起那件事。」

如果你添加一条规则：

  • 起始：「
  • 结束：」

那么只会朗读引号内的台词：

我一直在等你回来。你知道吗，每天晚上我都会想起那件事。

特殊情况
  • 只填起始、结束留空：从起始标记到文本末尾的内容会被朗读
  • 起始留空、只填结束：从文本开头到结束标记的内容会被朗读
  • 添加多条规则：所有规则匹配到的内容都会合并朗读

两个功能的优先级

如果同时配置了”跳过区间”和”只读区间”：

  1. 先执行”跳过区间”，移除不需要的内容
  2. 再执行”只读区间”（如果启用了的话），从剩余内容中筛选

常见配置参考

场景功能起始结束
跳过状态栏跳过区间【状态栏】【/状态栏】
跳过括号旁白跳过区间（）
跳过星号动作跳过区间**
只读日式引号台词只读区间「」
只读中式引号台词只读区间""
读冒号后的所有对话只读区间：（留空）

音色管理页

我的音色

  • 已保存的音色列表
  • 点击选中设为默认
  • 可重命名或删除
  • 手动添加复刻音色

试用音色

  • 11 个免费音色
  • 点击选中后可试听
  • 点击”添加到我的音色”保存

预设库（需配置鉴权）

  • 200+ 官方音色
  • 支持按性别、模型、语种、场景筛选
  • 支持搜索

高级设置页

鉴权模式的进阶选项：

  • 返回计费用量
  • 服务端缓存
  • Markdown 过滤
  • 语种识别
  • 音高调整等

缓存管理页

  • 查看本地缓存统计
  • 设置缓存天数和容量上限
  • 清理过期或全部缓存

使用说明页

包含配音指令语法和鉴权配置教程。

配音指令（进阶玩法）

在 AI 回复中使用特殊指令，可以控制朗读效果：

基本格式

[tts:speaker=音色名;emotion=情绪;context=语气提示]
要朗读的文字内容

参数说明

  • speaker：音色名称（必须是”我的音色”中保存的名称）
  • emotion：情感语气
  • context：语气提示（仅对 2.0 模型生效）

三个参数可任意组合，用分号分隔。

示例

[tts:speaker=小白;emotion=开心]
今天天气真好呀！

[tts:emotion=悲伤]
我好难过...

[tts:context=用更温柔的语气]
晚安，好梦。

可用情感值

中文：开心、悲伤、生气、惊讶、恐惧、厌恶、激动、冷漠、中性、沮丧、撒娇、害羞、安慰、鼓励、咆哮、焦急、温柔、讲故事、自然讲述、情感电台、磁性、广告营销、气泡音、低语、新闻播报、娱乐八卦、方言、对话、闲聊、温暖、深情、权威

英文：happy, sad, angry, surprised, fear, hate, excited, coldness, neutral, depressed, lovey-dovey, shy, comfort, tension, tender, storytelling, radio, magnetic, advertising, vocal-fry, asmr, news, entertainment, dialect, chat, warm, affectionate, authoritative

鉴权模式配置步骤

如果想使用更多音色或声音复刻功能：

  1. 开启 CORS 代理

    • 打开酒馆目录的 config.yaml
    • 将 enableCorsProxy 改为 true
    • 重启酒馆

  2. 开通火山引擎服务

  3. 获取凭证

  4. 声音复刻（可选）

常见问题

Q：没有声音，堵塞等怎么办？

  • 检查浏览器是否允许自动播放音频，或更换浏览器
  • 尝试手动点击播放按钮

Q：试用音色够用吗？

  • 11 个音色覆盖了常见风格，日常使用足够
  • 需要更多选择或复刻功能再配置鉴权
问题集