Newshot

CopySpeech – 为剪贴板内容打造的 AI 文本转语音工具

Translation(model translation, not the source's own text)

CopySpeech

为你的剪贴板提供 AI 文本转语音。复制两次。即刻收听。

CopySpeech 会朗读你的剪贴板内容。在 1.5 秒内复制同一段文本两次,AI 语音便会将其读出,并配有 HUD 和逐词字幕。

Release
Release

下载 · 更新日志 · 贡献 · 问题

功能

  • 双击复制触发。无需快捷键。托盘和播放页面同样可用。
  • 16 种引擎后端。本地:Kokoro(默认)、Piper、Kitten、Qwen3-TTS、Pocket,以及任意 CLI TTS 工具。云端:OpenAI、ElevenLabs、Cartesia、Fish Audio、xAI、Mistral、Google、Microsoft Azure、Edge(无需密钥),以及任意 HTTP 端点。
  • 本地:Kokoro(默认)、Piper、Kitten、Qwen3-TTS、Pocket,以及任意 CLI TTS 工具。
  • 云端:OpenAI、ElevenLabs、Cartesia、Fish Audio、xAI、Mistral、Google、Microsoft Azure、Edge(无需密钥),以及任意 HTTP 端点。
  • 一键本地安装。Kokoro 可在引导流程中安装。安装过程流式显示进度,并支持可选的 CUDA。
  • 实时字幕。在播放页面、HUD 和浏览器伴侣中,单词会随音频同步高亮。字幕需要引擎能够报告时间信息。
  • 流式播放。本地引擎在第一个音频窗口后即开始朗读。
  • 速度 0.25×–4×、音调与音量。语音配置可为每个引擎保存各自的组合。
  • 压低其他应用(Windows)。CopySpeech 朗读时,其他应用音量降低。
  • 文本清理。去除 markdown、展开 URL、规范化 Unicode。可无损处理非拉丁字符。
  • 浏览器伴侣。通过应用朗读你的选中内容。支持 Chrome、Edge 和 Firefox。播放时页面会高亮对应段落。
  • 控制服务器。供脚本和工具使用的本地 HTTP API。参见控制服务器。
  • 界面。9 种语言、从右到左布局、托盘、深色与浅色主题,以及自动更新。
CopySpeech screenshot
CopySpeech screenshot

实验性功能

实验性功能为 alpha 版本。它们可能在版本之间发生变化或损坏。

实验性功能(Alpha)开关位于设置 → 高级。它控制以下功能:

功能作用
全局快捷键从任意应用启动朗读
音频效果按配置提供对讲机、8-bit 和赛博朋克效果
自动保存配置无需保存步骤即可写入配置编辑
历史记录保留过往朗读的日志
后处理朗读前用大语言模型改写文本
HUD 覆盖层带实时波形和字幕的浮动窗口

开关关闭时,这些功能暂停。其设置和已保存的朗读记录仍保留在磁盘上。

插件级实验:

  • DSH 部分自动朗读(0.1.1)。仅朗读每条自动回复的第一段或最后一段。

根据插件说明,以下功能尚未经过实际验证:

  • Hermes 跟随滚动播放。
  • Hermes 插件中的显式保存设置页面。

安装

从 Releases 获取构建版本。将 <version> 替换为发布版本号。最新版本为 0.3.0。

平台资源
WindowsCopySpeech_<version>_x64-setup.exe(也提供 .msi)
macOS (Intel)CopySpeech_<version>_x64.dmg(Apple Silicon 通过 Rosetta 2 运行)
Linux.AppImage 、 .deb 或 .rpm
浏览器伴侣CopySpeech-Companion-<version>.zip

首次启动时,引导流程会要求你选择引擎和语音。Kokoro 为默认选项。

Linux 注意事项。Wayland 会阻止全局快捷键。请使用双击复制、托盘,或调用控制服务器的合成器快捷键。

浏览器伴侣(Chrome)。

  • 先启动桌面应用。
  • 解压伴侣 zip 包。
  • 打开 chrome://extensions,开启开发者模式,然后对解压后的文件夹选择加载已解压的扩展程序。
  • 在扩展设置中授予按站点访问权限。

在 Windows 上,安装版构建会在启动时注册 Chrome 主机。Edge、Firefox、Linux 和 macOS 需要手动设置。

插件

Hermes Desktop 插件(copyspeech-hermes)

文章标题:CopySpeech – AI text-to-speech for your clipboard

正文: 通过正在运行的应用,将每条新完成的 Hermes 回复朗读出来。它可以高亮已朗读的词语并跟随播放。

  • 创建一个 junction,让 Hermes 就地加载仓库文件:New-Item -ItemType Junction -Path "$env:LOCALAPPDATA\hermes\desktop-plugins\copyspeech-hermes" -Target "<repo>\copyspeech-hermes"

创建一个 junction,让 Hermes 就地加载仓库文件:


        New-Item -ItemType Junction -Path "$env:LOCALAPPDATA\hermes\desktop-plugins\copyspeech-hermes" -Target "<repo>\copyspeech-hermes"
      
  • 打开 Settings → Plugins → CopySpeech,开启 Read new replies aloud。
  • 关闭 Hermes 内置的 Read replies aloud。如果两者都运行,每条回复会播放两次。

更改在你按下 Save 时生效。对 plugin.js 的编辑会在应用内重新加载。

DSH plugin (copyspeech-dsh)

DSH 是 DeepSeek Harness。此插件添加一个侧边栏面板、每条回复上的一个扬声器操作、一个选区胶囊,以及一个带暂停、±5 秒跳转和停止的播放栏。

  • 让 DSH 插件管理器以 copyspeech-dsh/ 的绝对路径运行 install_bundle。
  • 打开 CopySpeech 面板。状态行显示 CopySpeech is running。
  • 发送一条消息,然后点击回复操作行中的扬声器。

该插件需要位于 127.0.0.1:43117 的控制服务器。完整详情见 copyspeech-dsh/README.md。

Agent voice

Pi 扩展和 Claude Code hook 会朗读最终的助手回复。参见 docs/agent-voice.md。

Control server

一个位于 127.0.0.1:43117 的本地 HTTP API:

RoutePurpose
GET /health检查应用是否运行
GET /status读取当前字幕
POST /speak朗读文本。传入 wait 以阻塞直到完成
POST /pause , POST /resume暂停或恢复一次朗读
POST /seek按带符号的步长移动一次朗读
POST /stop停止播放

详情见 docs/profile-engine-settings.md。

Development


        bun install
bun run tauri dev
      
CommandPurpose
bun run dev仅前端,端口 5173
bun run checkSvelte 和 TypeScript 检查,然后 lint
bun run test前端测试(Vitest)
bun run format格式化仓库
bun run tauri build生产构建
cd src-tauri && cargo testRust 测试
bun run bump补丁版本号递增(bump:minor 和 bump:major 也存在)
LayerStack
BackendRust, Tauri 2
FrontendSvelte 5, SvelteKit, TypeScript, Tailwind CSS 4
Audiorodio, Web Audio ( OfflineAudioContext )
ToolingBun, Vite+ ( vp ), shadcn-svelte
i18nsvelte-i18n, Crowdin

在更改代码之前,请阅读 Understanding the Codebase。docs/engines.md 说明了本地引擎如何连接。

Roadmap

下一个版本的目标是低首音频时间和较小的 VRAM 与 RAM 占用。目标是让本地引擎在低 VRAM GPU 和纯 CPU 机器上运行良好。

Contributing

阅读 Contributing Guide 了解设置、风格和拉取请求步骤。

License

The translation is machine-generated and individual terms may be off. Nothing is rewritten or cut; the original is authoritative.

Published by HN AI
This site only summarises and aggregates; copyright stays with the original author. Headlines and summaries follow the source — where they differ, the original wins.
Read the original ↗