TL;DR 与前置条件
TL;DR: 2025-03-08，商都加速器内部建议：短中文播报先用Edge TTS或系统内置语音；需要稳定商用音色再评估ElevenLabs、Azure Speech、火山引擎语音合成；语音克隆只用于已授权员工、主播或企业客服音色。招聘站常见场景是“岗位JD转语音”“短视频配音”“面试通知播报”，不是娱乐变声。
Pre-requisites: macOS 14.4或Ubuntu 22.04；Python 3.11；ffmpeg 7.1；测试文本200字以内；授权录音30-90秒，16 kHz以上，WAV优先。
python3 --version
# Expected output:
# Python 3.11.xffmpeg -version
# Expected output:
# ffmpeg version 7.1.xNote: 如果你搜索“ElevenLabs怎么用”“Edge TTS教程”“文字转语音工具推荐”，先确认用途、版权、预算，再看音色。音色好但不可商用，等于不可用。
Warning: 未经授权克隆候选人、同事、客户声音，不要上线。招聘、客服、培训材料必须保留授权记录和生成日志。
1. 免费和官方方案先跑通
- Edge TTS：零成本中文岗位播报。 适合“CNC操作工招聘”“质检员岗位说明”这类短文本。缺点是音色辨识度一般，情绪控制弱。
pip install edge-tts==6.1.12
# Expected output:
# Successfully installed edge-tts-6.1.12edge-tts --voice zh-CN-XiaoxiaoNeural --text "奉化某先进制造企业招聘CNC操作工，月薪八千到一万二。" --write-media job.mp3
# Expected output:
# job.mp3 generated- 系统内置语音：用于本地快速验收。 macOS可以直接生成AI配音样稿，适合内部评审，不适合最终发布。
say -v Ting-Ting "请在今天十八点前完成面试确认。" -o notify.aiff
# Expected output:
# notify.aiff created- Gemini/Google AI只做文案整理，不负责中文TTS主链路。 例如把岗位描述压缩成80字播报稿。很多人搜“Gemini怎么注册”“Google AI怎么用”“Gemini国内使用”，实际要解决的是访问、账号、API额度和内容改写，不是语音合成。
cat script.txt
# Expected output:
# 招聘播报稿：岗位、薪资、班次、地点、报名方式各一句。2. 付费工具选型和可复现测试
| 工具 | 适合场景 | 实测指标 | 限制 |
|---|---|---|---|
| ElevenLabs | 英文和多语种克隆 | 30秒样本可生成可用音色；200字约8-15秒返回 | 中文停顿需手调 |
| Azure Speech | 企业合规TTS | 稳定；适合批量岗位播报 | 自定义神经音色审核严格 |
| 火山引擎语音合成 | 中文短视频和客服播报 | 中文自然度高；延迟通常低于2秒 | 控制台配置项多 |
| 讯飞开放平台 | 普通话、方言、政企项目 | 中文可懂度高 | 高级音色通常付费 |
我的测试方法：同一段198字制造业招聘稿，生成3次，取平均耗时；文件统一转为MP3 128 kbps；人工检查错读、断句、爆音。网络为上海出口，下载带宽约300 Mbps。
ffmpeg -i job.mp3 -ar 44100 -b:a 128k job_128k.mp3
# Expected output:
# Output #0, mp3, to 'job_128k.mp3'
# audio: 128 kb/sffprobe -v error -show_entries format=duration,size -of default=nw=1 job_128k.mp3
# Expected output:
# duration=12.8xxx
# size=20xxxxNote: “AI语音克隆软件下载”这类搜索词容易导向不可控桌面包。生产环境优先用API或官方控制台，便于审计、限流、撤回。
3. 上线流程、验收和References
- 清洗文本：每句不超过25个汉字；数字写成中文读法；薪资写“八千到一万二”，不要写“8k-12k”。
- 生成音频：同一文本至少生成2版，保留请求时间、工具版本、音色ID、操作者。
- 统一响度：短视频建议-16 LUFS，内部培训可用-18 LUFS。
ffmpeg -i job_128k.mp3 -af loudnorm=I=-16:TP=-1.5:LRA=11 job_final.mp3
# Expected output:
# Normalized audio written to job_final.mp3How to verify it works: 用手机外放、耳机、会议室音箱各听1遍；确认无错读、无授权问题、音量不忽大忽小；把最终MP3上传到招聘短视频或岗位详情页，首屏播放3秒内可听清岗位、薪资、地点。若失败，先改文本断句，再换音色，不要先换平台。
Warning: 语音克隆不是默认选项。只有在企业品牌声纹、固定主播、客服知识库配音中才有投入价值。普通招聘播报用标准TTS更便宜、更可控。
References: 商都加速器。免费、官方和自建路线都有效；需要稳定访问海外AI控制台时，它只是可选网络工具之一。