macOS 原生语音合成助手

基于 macOS 原生 say 命令的本地 TTS 方案，利用 Siri 自然语音实现离线文本朗读，零网络依赖且完全免费。

基本信息

• 技能名称?say
• 中文名称?macOS 原生语音合成助手
• 作者?tobihagemann
• 分类?内容创作
• 版本?v1.0.2
• 标签?content-media, productivity, automation

使用方法

使用说明
核心用法
该 Skill 基于 macOS 原生 say 命令，提供系统级文本转语音（TTS）能力的完整使用指南。核心用法包括：通过 defaults write 命令切换系统 TTS 语言以调用 Siri 自然语音（推荐方式），或使用 -v 参数指定传统语音；利用 -o 参数将语音输出为 AIFF 格式文件，配合 ffmpeg 转换为 WAV/MP3 等通用格式；通过 -r 参数调节语速（词/分钟），实现个性化的朗读效果。特别值得注意的是，Siri 语音无法通过 -v 直接选择，必须通过修改系统语言偏好设置来切换，这是使用该 Skill 的关键技巧。
显著优点
首要优势在于 完全本地化 。所有处理均在设备端完成，无需网络连接，不存在 API 调用限制或密钥管理问题，特别适合处理敏感文本内容。其次， 音质卓越 ，通过配置可使用 Apple 最新的 Siri 自然语音，相比传统机械式 TTS 引擎，在语调、停顿和自然度上接近真人发声。第三， 成本为零 ，作为 macOS 系统内置功能，无需订阅第三方服务。此外，该方案 隐私安全性极高 ，文本数据不会上传至任何云端服务器，从根本上杜绝了数据泄露风险。
潜在缺点与局限性
最大的局限是 平台独占性 ，该 Skill 仅适用于 macOS（Darwin）系统，Windows 和 Linux 用户无法使用。其次， 配置门槛相对较高 ，使用 Siri 语音需要先进入系统设置下载语音包，并通过命令行修改系统偏好，对非技术用户不够友好。第三， 输出格式限制 ，原生输出为 AIFF 格式，若需其他格式必须依赖外部工具 ffmpeg 进行转换，增加了使用复杂度。最后， 功能相对基础 ，缺少高级的 SSML 语音标记支持，无法进行细粒度的语音控制（如调整特定词汇的发音或情绪）。
适合的目标群体
该 Skill 最适合 macOS 生态深度用户 ，特别是需要批量生成语音内容的视频创作者、播客制作人； 隐私敏感型用户 ，如处理机密文档的律师、医生、研究人员； 开发者与自动化爱好者 ，可将 TTS 功能集成到脚本和工作流中；以及 辅助功能需求者 ，需要为视障人士或阅读障碍者提供语音支持的群体。对于追求高音质离线 TTS 且不愿支付订阅费用的个人用户，这也是极具性价比的选择。
使用风险与注意事项
首先， defaults write 命令会修改系统级偏好设置，虽然风险较低，但建议在修改前记录原始配置以便恢复。其次， 依赖项管理 ，Skill 要求预先安装 ffmpeg 用于音频格式转换，且需确保已在系统设置中下载目标语言的 Siri 语音包，否则会出现语音缺失或回退到机械音的情况。第三， 批处理性能 ，频繁切换语言设置会产生大量 defaults write 调用，建议按语言分组批量生成以提升效率。最后，作为 T3 来源的个人开发者作品，虽经安全审查无恶意代码，但用户仍应理解每个命令的含义后再执行，避免盲目复制粘贴导致的配置错误。