edge-TTS-record
edge-TTS-record 是一款专为 Windows 用户设计的实用工具，能够直接录制 Microsoft Edge 浏览器中高质量的在线语音合成（TTS）内容，并保存为标准的 WAV 音频文件。它主要解决了普通用户难以免费获取并本地化保存 Edge 内置的“晓晓”和“云扬”等超逼真中文语音的问题，无需复杂的编程知识或调用付费 API 即可轻松实现。
这款工具非常适合视频创作者、有声书爱好者、教育内容制作者以及需要高质量语音素材的普通用户使用。开发者若需快速原型验证，也可借助其便捷性进行测试。其核心技术亮点在于巧妙利用了 Edge 浏览器 Chromium 内核自带的在线语音引擎，确保了音质的自然与流畅；同时具备自动检测并安装所需浏览器环境的能力，降低了使用门槛。用户只需输入文本、调整参数试听，确认无误后一键录制即可。需要注意的是，由于依赖在线语音服务，使用时需保持网络连接，且录制过程会捕获系统全局声音，建议在不干扰的环境下操作。edge-TTS-record 以简洁的交互和稳定的性能，让高品质的 AI 语音生成变得触手可及。
使用场景
一位独立开发者正在为视障用户开发一款中文有声读物应用，急需大量高质量、自然的语音素材进行原型测试。
没有 edge-TTS-record 时
- 音质生硬不自然：使用本地离线 TTS 引擎生成的语音机械感强，缺乏情感起伏，严重影响用户体验测试的真实性。
- 获取成本高昂：若追求逼真效果，需付费购买商业云服务 API 或聘请真人配音，对于个人开发者而言预算压力巨大。
- 工作流程繁琐：需要编写复杂的脚本调用云端接口，处理鉴权、速率限制及音频格式转换，耗费大量开发时间。
- 依赖环境复杂：部分高质量在线语音服务对网络环境或特定浏览器内核有严格要求，手动录制难以批量操作且容易出错。
使用 edge-TTS-record 后
- 即刻获得拟真语音：直接调用 Microsoft Edge 内置的“晓晓”和“云扬”在线语音，生成的 .wav 文件情感丰富、咬字清晰，几乎媲美真人录音。
- 零成本高效产出：无需支付任何 API 费用，只需输入文本即可免费生成无限时长的高质量音频，极大降低了项目启动门槛。
- 操作流程极简：通过图形化界面输入文本、调整参数并点击录制，几分钟内即可完成从文本到本地音频文件的转化，无需编写代码。
- 原生兼容性强：自动检测并利用 Windows 自带的 Edge Chromium 内核，确保在联网状态下稳定输出标准格式音频，便于后续集成测试。
edge-TTS-record 让个人开发者也能以零成本、低门槛的方式，快速获取工业级逼真的中文语音素材，显著加速了有声应用的迭代进程。
运行环境要求
- Windows
未说明
未说明
快速开始
edge-TTS-record
⚠⚠请勿由于违法犯罪用途，否则后果自负⚠⚠
新写的另一个工具发布：https://t.bilibili.com/694237238144270361
一个可以录制 Microsoft Edge 浏览器的语音合成（TTS）语音并输出为 .wav 音频的（windows平台）工具。
Microsoft Edge 浏览器中有两款非常逼真的在线（Online）中文（zh-CN）语音：Xiaoxiao、Yunyang。
用法：
- 下载 edge-TTS-record.exe，运行并允许联网
- 在文本编辑框中输入文本，调整参数，点击试听
- 没问题就可以点击录制了，音频文件会保存在指定的目录下
演示：https://www.bilibili.com/video/BV1eK411c73s
注意：
- 需要 Microsoft Edge 浏览器 Chromium 内核版，一般是 Windows 10 自带的，如果系统中没有安装，程序将自动为你下载安装
- 不管是试听还是录制，使用在线（Online）语音都需确保电脑是联网的
- 录制是全局的，应避免其他软件声音的干扰
- 在线（Online）语音似乎无法调整音调
- 当无法录制时，你可能需要额外安装 .NET Framework: https://www.microsoft.com/zh-CN/download/details.aspx?id=17851
TODO:
- 路径配置
-
可自定义选择要录制的设备 - 软件更新检测
相关仓库：
界面（vue.js）：https://github.com/LuckyHookin/tts-record-html
音频录制模块（C#，NAudio）：https://github.com/LuckyHookin/RecordAudio
版本历史
0.1.12022/05/090.0.0.42021/04/260.0.0.32021/04/26常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
funNLP
funNLP 是一个专为中文自然语言处理（NLP）打造的超级资源库，被誉为"NLP 民工的乐园”。它并非单一的软件工具，而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。 面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点，funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具，还独特地收录了丰富的垂直领域资源，如法律、医疗、金融行业的专用词库与数据集，甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性，从基础的字典词典到前沿的 BERT、GPT-2 模型代码，再到高质量的标注数据和竞赛方案，应有尽有。 无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师，还是从事人工智能研究的学者，都能在这里找到急需的“武器弹药”。对于开发者而言，它能大幅减少寻找数据和复现模型的时间；对于研究者，它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神，极大地降低了中文自然语言处理的开发与研究成本，是中文 AI 社区不可或缺的宝藏仓库。
cs-video-courses
cs-video-courses 是一个精心整理的计算机科学视频课程清单，旨在为自学者提供系统化的学习路径。它汇集了全球知名高校（如加州大学伯克利分校、新南威尔士大学等）的完整课程录像，涵盖从编程基础、数据结构与算法，到操作系统、分布式系统、数据库等核心领域，并深入延伸至人工智能、机器学习、量子计算及区块链等前沿方向。 面对网络上零散且质量参差不齐的教学资源，cs-video-courses 解决了学习者难以找到成体系、高难度大学级别课程的痛点。该项目严格筛选内容，仅收录真正的大学层级课程，排除了碎片化的简短教程或商业广告，确保用户能接触到严谨的学术内容。 这份清单特别适合希望夯实计算机基础的开发者、需要补充特定领域知识的研究人员，以及渴望像在校生一样系统学习计算机科学的自学者。其独特的技术亮点在于分类极其详尽，不仅包含传统的软件工程与网络安全，还细分了生成式 AI、大语言模型、计算生物学等新兴学科，并直接链接至官方视频播放列表，让用户能一站式获取高质量的教育资源，免费享受世界顶尖大学的课堂体验。
scikit-learn
scikit-learn 是一个基于 Python 构建的开源机器学习库，依托于 SciPy、NumPy 等科学计算生态，旨在让机器学习变得简单高效。它提供了一套统一且简洁的接口，涵盖了从数据预处理、特征工程到模型训练、评估及选择的全流程工具，内置了包括线性回归、支持向量机、随机森林、聚类等在内的丰富经典算法。 对于希望快速验证想法或构建原型的数据科学家、研究人员以及 Python 开发者而言，scikit-learn 是不可或缺的基础设施。它有效解决了机器学习入门门槛高、算法实现复杂以及不同模型间调用方式不统一的痛点，让用户无需重复造轮子，只需几行代码即可调用成熟的算法解决分类、回归、聚类等实际问题。 其核心技术亮点在于高度一致的 API 设计风格，所有估算器（Estimator）均遵循相同的调用逻辑，极大地降低了学习成本并提升了代码的可读性与可维护性。此外，它还提供了强大的模型选择与评估工具，如交叉验证和网格搜索，帮助用户系统地优化模型性能。作为一个由全球志愿者共同维护的成熟项目，scikit-learn 以其稳定性、详尽的文档和活跃的社区支持，成为连接理论学习与工业级应用的最
keras
Keras 是一个专为人类设计的深度学习框架，旨在让构建和训练神经网络变得简单直观。它解决了开发者在不同深度学习后端之间切换困难、模型开发效率低以及难以兼顾调试便捷性与运行性能的痛点。 无论是刚入门的学生、专注算法的研究人员，还是需要快速落地产品的工程师，都能通过 Keras 轻松上手。它支持计算机视觉、自然语言处理、音频分析及时间序列预测等多种任务。 Keras 3 的核心亮点在于其独特的“多后端”架构。用户只需编写一套代码，即可灵活选择 TensorFlow、JAX、PyTorch 或 OpenVINO 作为底层运行引擎。这一特性不仅保留了 Keras 一贯的高层易用性，还允许开发者根据需求自由选择：利用 JAX 或 PyTorch 的即时执行模式进行高效调试，或切换至速度最快的后端以获得最高 350% 的性能提升。此外，Keras 具备强大的扩展能力，能无缝从本地笔记本电脑扩展至大规模 GPU 或 TPU 集群，是连接原型开发与生产部署的理想桥梁。