OfflineTTS：免费本地运行的浏览器TTS与STT工具

背景

随着AI音频工具日益普及，用户对隐私、成本和离线可用性的关注也在上升。传统的云端语音转文字（STT）和文字转语音（TTS）服务通常需要将音频或文本上传至第三方服务器，存在隐私泄露风险，且依赖网络连接。Hacker News上发布的OfflineTTS项目，旨在提供一个完全在浏览器本地运行的免费AI音频工具包，涵盖TTS、STT、字幕生成、电子书转音频等工作流，满足创作者、无障碍使用者、学习者和研究团队对隐私与效率的双重需求。

核心内容

OfflineTTS是一个基于浏览器的私有AI音频工具集，核心功能包括：

• 文字转语音（TTS）：内置四种本地TTS引擎（Kokoro、Kitten、Piper、Supertonic），支持54种声音、9种语言，以及多种风格预设。其中Kokoro为主要引擎，提供自然语音生成；Kitten轻量级，适合快速草稿和小设备；Piper基于CPU，适合离线叙述；Supertonic支持多语言风格预设（英语、西班牙语、葡萄牙语、法语、韩语）。
• 语音转文字（STT）：基于Whisper引擎，支持99种语言的音频转文字，可上传音频或视频文件，生成带时间戳的转录文本，并导出SRT/VTT字幕文件。所有处理在浏览器本地完成，媒体文件不离开设备。
• 字幕生成器：自动生成SRT和VTT格式字幕，适用于短视频（Shorts、Reels）及无障碍工作流，并可搭配字幕清理工具使用。
• 创作者的语音旁白：支持粘贴脚本生成旁白，导出WAV或MP3格式，适合无脸频道、短剧配音等重复性创作场景。
• 电子书/文档转音频：支持EPUB、PDF、TXT格式文档，可解析长文本并分章节生成语音，用于学习、无障碍阅读或有声书草稿。
• 工作流目录：提供引导式工具路径，用户可根据任务（如TTS、STT、字幕生成、旁白、文档听读）直接进入对应工具，无需跳转到独立页面。

所有核心工具在浏览器中运行。下载模型后，英文TTS和Whisper STT可在完全离线状态下使用。

关键要点

• 完全本地运行：所有处理在浏览器内完成，音频/文本不上传至服务器，隐私性高。
• 免费使用：无需付费或订阅，所有功能免费开放。
• 四种TTS引擎：Kokoro（主要引擎，自然语音，9种语言，54种声音）、Kitten（轻量，8种表情，速度快）、Piper（CPU友好，适合离线长文本）、Supertonic（多语言，风格预设）。
• Whisper STT支持99种语言：可转录音频和视频，生成带时间戳的文本及字幕文件（SRT/VTT）。
• 字幕生成：自动创建SRT/VTT格式，适合社交媒体短内容及无障碍需求。
• 文档转音频：支持EPUB、PDF、TXT，可分段生成，适合学习、无障碍阅读和有声书草稿。
• 创作者友好：支持粘贴脚本生成旁白，可导出WAV或MP3，适合重复性配音工作流。
• 离线可用：模型下载后，英文TTS和Whisper STT可离线运行。
• 工作流导向：提供工具目录，用户按任务选择，避免混乱的仪表盘。

意义与影响

OfflineTTS代表了AI音频工具从云端向本地化、隐私优先方向的重要转变。其意义在于：

1. 隐私保护：强调数据不离开用户设备，解决了个人、团队或企业使用云端音频工具时的敏感数据泄露风险，尤其适用于访谈、会议记录、研究材料等隐私敏感场景。
2. 降低使用门槛：完全免费且基于浏览器，无需安装额外软件或注册账号，用户打开网页即可使用，极大地降低了AI音频处理的门槛。
3. 离线能力：模型下载后支持离线运行，适用于网络不稳定或完全无网络的环境，如偏远地区、飞机上或安全隔离网络。
4. 多工具整合：将TTS、STT、字幕、文档转音频等功能集成在一个平台，用户无需在多个工具间切换，提升了工作效率。
5. 对创作者生态的补充：为独立创作者、无脸频道运营者、字幕制作人员提供了无需付费订阅的本地化工具，减少对第三方平台（如云服务、付费API）的依赖。
6. 推动开源与本地AI发展：OfflineTTS虽未明确开源，但其本地运行、免费使用的模式，与开源社区推崇的“本地优先”理念一致，可能激励更多开发者构建类似工具。

总体而言，OfflineTTS通过将AI音频处理完全置于浏览器本地，在隐私、成本、离线可用性和功能完整性之间取得了良好平衡，有望成为创作者、教育工作者、无障碍领域以及隐私敏感研究团队的首选工具之一。