AutoHotkey v2 文本转语音(TTS)与语音交互深度实战
写自动化脚本时,”让电脑开口说话”往往是画龙点睛的一笔:报时、朗读通知、读取长文本、给视障用户做无障碍辅助、甚至做一个带语音反馈的”桌面管家”。很多人以为 TTS 必须引入一个笨重的第三方库,其实 Windows 自带的 **SAPI(Speech API)** 就足够强大,而 AutoHotkey v2 通过 `ComObject` 可以零成本、零第三方依赖直接调用它。
本文带你从”会朗读一句”一路走到”能掌控整个语音引擎”:SAPI 到底是什么、如何枚举并挑选中文语音、怎么精细控制语速/音量/音调、如何用内联 XML 标记做分句变速、怎么异步朗读并在等待时干别的、怎么把语音保存成 wav 文件、以及如何在后台常驻脚本中搭建一套健壮的”语音播报引擎”。全程 AutoHotkey v2 原生语法 + COM,无任何第三方库。
按六层推进:
1. **语音基础**——SAPI 是什么、COM 对象模型、”朗读一句”的最小代码;
2. **控制层**——语速(Rate)、音量(Volume)、音调(Pitch)与发音,参数边界与实测;
3. **语音层**——枚举 `SpVoice.Voice`、GetVoices、筛选中文/普通话语音、备份与恢复;
4. **标记层**——SAPI 内联 XML 标记(`
5. **异步工程**——`SVSFlagsAsync` 异步朗读、`WaitUntilDone` 轮询、暂停/恢复、事件与”后台播报引擎”;
6. **输出层**——保存为 wav 文件、对接播放器、常见坑与性能安全要点。
先立世界:**Windows 的 TTS 本质是一套 COM 接口,AutoHotkey 的 `ComObject(“SAPI.SpVoice”)` 不过是帮你把 COM 对象”拿到手里”。** 掌握了 `SpVoice` 的属性和方法,你就掌握了 Windows 全部语音能力的入口。

