Play实现TTS语音播报教程详解

本文深入解析了Linux和macOS系统中利用命令行实现文字转语音（TTS）播报的实用方法，明确指出play命令本身仅为SoX音频播放器，完全不具备TTS能力，必须依赖espeak-ng、pico2wave或macOS原生say等专用引擎先完成语音合成，再通过管道或文件方式交由play播放；文章以清晰的操作步骤、关键参数说明（如采样率、位深、声道数的严格匹配）、常见报错原因（如格式不匹配导致爆音、中文发音失效、命令误用）及跨平台差异（如macOS的say无需额外合成环节）为线索，破除“play可直接读文字”的普遍误解，并给出轻量离线方案与进阶在线方案的取舍建议——真正决定TTS效果的，从来不是播放命令怎么写，而是语音引擎能否准确输出可被正确解码的音频流。

play 命令本身不支持 TTS，它只是音频播放器

很多人搜 play + “TTS”，是误以为这个命令能直接把文字转成语音再播。实际上 play（来自 SoX 工具集）只负责播放已存在的音频文件，它没有文本解析、语音合成能力。

真正要实现“输入文字→播放语音”，得靠 TTS 引擎生成音频流，再喂给 play。常见组合是：espeak-ng、pico2wave 或 say（macOS）生成 wav/mp3，然后用 play 播放。

• play 无法识别 play "hello" 这类写法——它会报错 play: invalid option -- 'h'
• 不能跳过 TTS 合成阶段，指望 play 自己“读出来”是行不通的
• 如果系统没装 SoX，play 命令根本不存在，别被网上过时教程误导

Linux 下用 espeak-ng + play 快速实现 TTS 播报

espeak-ng 是轻量、离线、支持中文的 TTS 引擎，输出为 PCM 流，刚好能被 play 直接消费。

实操步骤：

• 安装依赖：sudo apt install espeak-ng sox（Ubuntu/Debian）或 sudo pacman -S espeak-ng sox（Arch）
• 测试播报：espeak-ng -v zh -s 150 "你好，世界" --stdout | play -q -r 22050 -b 16 -c 1 -e signed-integer -t raw -
• -v zh 指定中文发音，-s 150 控制语速；--stdout 让 espeak-ng 不写文件，直接吐 PCM 流
• play 后面那一串参数必须匹配 espeak-ng 输出格式：采样率 -r 22050、位深 -b 16、单声道 -c 1，否则会爆破音或静音

macOS 上用 say 命令更简单，但和 play 无关

macOS 自带 say，功能完整、发音自然，且无需额外安装。但它和 play 是两套东西：say 自己完成合成+播放，play 在 macOS 默认不预装（需 brew install sox）。

直接用 say 更省事：

• 基础播报：say "今天天气不错"
• 换声音：say -v Ting-Ting "你好"（查可用音色用 say -v ?）
• 导出音频文件：say -o output.aiff "你好"，之后再用 afplay output.aiff（系统自带）或 play output.aiff（SoX）播放
• 别硬套 Linux 写法，比如 say "hi" | play 会失败——say 默认不输出音频流，-o - 才能 stdout，但 SoX 对 aiff/raw 格式兼容性不如 wav

中文发音不准？重点检查语言模型和语音引擎选择

不是所有 TTS 引擎都对中文友好。espeak-ng 中文发音偏机械，pico2wave（已停止维护）曾有较好表现但难安装；festival 配置复杂，容易卡在声学模型路径上。

实用建议：

• 确认 espeak-ng -v ? 输出里包含 zh 或 zh-yue，有些精简版系统没打包中文语音包
• 避免用 espeak（旧版），它不支持 -v zh，强行用会默认英文发音
• 如果需要更自然效果，别死磕命令行：考虑调用 edge-tts（Python 包，走微软 Edge 在线接口），生成 mp3 后再 play output.mp3 ——但这就脱离了“纯本地、免依赖”的初衷

真正麻烦的从来不是 play 怎么敲，而是 TTS 引擎能不能吐出听得懂的中文，以及参数之间是否对得上。音频格式、采样率、字节序这些细节，漏一个就只有噪音。

文中关于的知识介绍，希望对你的学习有所帮助！若是受益匪浅，那就动动鼠标收藏这篇《Play实现TTS语音播报教程详解》文章吧，也可关注golang学习网公众号了解相关技术文章。