核心用法
Jarvis TTS 是一款集成 Microsoft Edge Neural TTS 引擎的语音合成工具，通过 Python 脚本调用云端 API 生成音频，再利用 macOS 原生 afplay 工具完成本地播放。用户只需执行 ./jarvis-tts.sh "要说的内容" 即可快速获得自然的中文语音输出，支持多种音色切换与长文本处理。
显著优点
1. 音质卓越：采用微软 Neural TTS 技术，语音接近真人自然度，支持情感表达
2. 音色丰富：内置 5 种中文语音选项，涵盖男女声及不同风格（活泼、温暖、专业播报）
3. 流程闭环：生成-校验-播放-清理全自动化，无需手动干预临时文件
4. 响应稳定：内置 60 秒生成超时与动态播放时长计算，避免进程挂起
潜在缺点与局限性
- 平台锁定：强制依赖 macOS afplay，Linux/Windows 需自行改造
- 网络依赖：每次调用均需连接微软 TTS API，离线场景完全失效
- 隐私风险：文本内容需上传至微软云端处理，敏感信息存在外泄可能
- 延迟存在：云端生成+本地播放流程，实时性不如纯本地 TTS 方案
适合人群
- macOS 开发者/极客用户构建语音交互原型
- 需要快速为脚本/自动化工作流添加语音反馈的场景
- 对音质有要求、可接受网络依赖的中文 TTS 用户
常规风险
| 风险类型 | 说明 | 缓释建议 |
|---------|------|---------|
| 隐私泄露 | 文本上传至微软服务器 | 避免处理敏感个人信息 |
| 服务中断 | 微软 API 变更或限流 | 准备降级方案（本地 TTS）|
| 依赖失效 | edge-tts 包更新破坏性变更 | 锁定版本号安装 |