（812期）chinese-voice-skill – 微软神经网络中文语音合成

微软神经网络中文语音合成 基于微软Edge TTS的高质量中文语音合成技能，默认XiaoxiaoNeural音色，支持自动降级到系统TTS，适用于QQ等场景发送语音消息。 使用说明 核心功能 Chinese Voice Skill 是一款基于微软 Edge TTS 的中文语音合成工具，采用 zh-CN-XiaoxiaoNeural 作为默认语音，提供甜美自然的中文语音输出。该技能通过 Python 的 edge-tts 模块实现，支持将文本实时转换为 WAV 格式语音文件，并可通过 QQ 通道发送。 显著优点 语音质量优异：微软 Edge TTS 采用深度神经网络技术，生成的语音自然流畅，情感表达丰富，明显优于传统系统 TTS 开箱即用：预设 XiaoxiaoNeural 音色，无需复杂配置即可生成高质量中文语音 智能降级机制：当 edge-tts 不可用时自动切换至系统自带 TTS，保障服务连续性 多音色可选：除默认音色外，还提供 Yunxi（沉稳）、Xiaoyi（温柔）、Yunyang（磁性）等多种风格选择 参数可调：支持语速（-5至5）和音量（0-1）的精细调节 潜在局限 网络依赖：必须连接微软服务器，离线环境无法使用 平台限制：当前仅明确支持 QQ 通道的 WAV 格式发送 Python 依赖：需要预装 Python 3.7+ 和 pip，对非技术用户存在门槛 临时文件管理：生成的 WAV 文件依赖系统自动清理，存在磁盘空间占用风险 适用人群 QQ 机器人开发者需要语音交互功能 需要为视障用户提供语音播报的场景 内容创作者批量生成中文语音素材 偏好语音沟通而非文字阅读的用户 风险提示 网络请求可能泄露文本内容至微软服务器 长文本生成可能产生较大文件（50-200KB/段） 依赖第三方 PyPI 镜像，存在供应链安全风险 未配置 QQ 通道时语音文件无法正常发送 原始说明 使用微软 Edge TTS 生成高质量中文语音，默认使用 XiaoxiaoNeural 语音。当用户需要语音回复时自动触发。