Text2Speech：基于大语言模型的快捷键语音合成实验工具

Text2Speech是一款开源实验性桌面文本转语音（TTS）工具，核心特点为快捷键触发、大语言模型（LLM）驱动，采用C++和Qt 6.9开发，当前支持Windows平台。项目探索将LLM能力融入桌面TTS的新思路，旨在简化操作流程，提升语音合成的智能性。

原作者与来源：由IlyaLts维护，发布于GitHub（链接：https://github.com/IlyaLts/Text2Speech），发布时间2026年6月4日。

项目定位：实验性工具，以"快捷、智能、实验性"为设计理念。

技术趋势：TTS技术经历传统拼接/参数合成→神经网络TTS（如WaveNet）→大模型TTS阶段，Text2Speech是大模型TTS趋势的体现，探索LLM在语音合成中的应用。

快捷键触发：全局快捷键触发，选中文本按下预设组合即可朗读，简化操作。

LLM驱动架构：推测可能通过LLM生成中间表示、调用云端LLM API或结合语义理解优化自然度。

技术栈：C++（高性能）、Qt 6.9（跨平台基础），依赖liboai（OpenAI API客户端）、nlohmann-json（JSON处理）、curl（网络通信）。

工作流程：后台监听快捷键→捕获选中文本→通过liboai发送到云端LLM→接收语音数据→播放音频。

无障碍辅助：帮助视障或阅读障碍用户提升计算机使用体验。

内容创作辅助：文字工作者可用于稿件校对，听读易发现语句问题。

多语言学习：若支持多语言，可用于听取标准发音。

效率工具集成：快捷触发设计便于融入阅读文档、处理邮件等工作流。

平台限制：当前仅支持Windows，需适配macOS、Linux。

云端依赖：需网络连接，可能产生API费用，存在隐私考量，可改进支持本地轻量级模型或离线模式。

功能完整性：缺乏音色选择、语速调节、多语言支持、音频导出等功能，需完善。

Text2Speech作为实验性项目，价值在于探索LLM与桌面TTS结合的技术路线，展示快捷键交互的效率潜力。对开发者是参考实现，对用户若完善平台和功能，有望成为实用工具。未来可重点改进跨平台支持、离线能力及功能完整性，推动实验性技术向成熟应用转化。