核心用法
telegram-offline-voice 是一款专为 Telegram 场景设计的离线语音生成工具。用户通过 voice_gen.py 脚本输入待播报文本，工具自动完成「文本清洗 → Edge-TTS 合成 → FFmpeg 转码 OGG → 返回文件路径」的完整流水线。支持通过 --voice 切换中文声线（默认晓晓）、--rate 调节语速、--outdir 指定临时目录。
显著优点
1. 零成本运行：基于 Microsoft Edge-TTS 开源引擎，无需 OpenAI/Azure 等付费 Token，长期使用无经济负担。
2. 隐私完全自主：100% 本地音频处理，文本与语音数据不经过第三方 TTS 云服务商，适合敏感内容播报。
3. 工程化体验：自动清洗 Markdown 标记、URL 链接等「代码噪音」，超长文本按标点智能切分为多段语音气泡，听感接近真人对话流。
4. 高并发安全：UUID 隔离临时文件命名，支持多代理/子代理并行调用无冲突。
5. 极速部署：配合 uv 运行器可实现秒级冷启动，无需复杂虚拟环境配置。
潜在缺点与局限性
- 系统绑定：依赖 FFmpeg 与 Python 环境，仅支持 Linux（作者未提供 Windows/macOS 适配）。
- 声线有限：仅支持 Edge-TTS 内置的中文神经网络声线，无法像云端 TTS 那样微调情感风格或克隆自定义音色。
- 无实时流式输出：需等待完整文件生成后才能获取路径，不适合极低延迟场景。
- 维护状态：由个人开发者维护，无商业 SLA 保障，长期更新存在不确定性。
适合人群
- 需要为 Telegram Bot/Agent 添加语音交互能力的开发者
- 对数据隐私敏感、拒绝云端 TTS 的本地优先用户
- 希望以零 API 成本实现中文语音合成的个人项目或中小团队
常规风险
- 临时文件堆积：若进程异常退出，/tmp 目录可能残留 UUID 命名的音频碎片，建议配合定时清理策略。
- FFmpeg 版本兼容：旧版本 FFmpeg 可能对 OGG Opus 编码参数支持差异导致 Telegram 无法识别，建议使用 4.4+ 版本。
- Edge-TTS 服务可用性：虽为本地引擎，但首次运行或更新时仍需从 Microsoft 服务器下载模型权重，网络受限环境可能受阻。