MeloTTS：把中英混合讲稿分段生成WAV，先校准发音与语速

课程旁白里夹着API、产品名和英文术语，最费时间的常常是修一个词却要重录整段。MeloTTS 是提供多语言预设声音的文字转语音库，中文说话人支持中英混合输入，并能把结果保存成WAV。它适合先做可替换的分段旁白，再进剪辑软件安排停顿与画面。

官方README列出中文、英语、西班牙语、法语、日语、韩语，并为英语提供美式、英式、印度及澳大利亚等说话人示例。中文混读是中文模型的具体能力，不等于所有语言都能任意混合；它也不会自动把中文讲稿翻译成英文。

官方本地用法给出一条清楚的连续过程：选择ZH语言与ZH说话人，输入带英文技术词的中文文本，调用tts_to_file，输出zh.wav。命令行也支持文字、文本文件、语言、说话人与speed参数。本稿阅读完整示例，没有执行合成或试听，不据官方音频链接判断哪种口音“最自然”。

可以把一页工具教程拆成三段：开场说明、具体操作、结果提示。先用第二段检查最密集的术语，例如模型名、参数名与文件扩展名；发音合适后，再生成其余段落。某个词读错时，只替换这一段，最后在剪辑时间线里调整间隔。此处为编辑流程示例，未运行，拆段是为了方便修订，并非模型必须每次只能处理很短文本。

中英混合讲稿最好保留两份：一份正式字幕稿，一份为发音调整的配音稿。数字、缩写与多音字需要逐项听；必要时在配音稿中展开缩写或用更明确的表达，字幕仍保持正确写法。speed能控制整体快慢，却不能替代标点、句子长度与后期停顿。只为赶时长而把整段速度拉高，可能让技术内容更难听懂。

英语口音也应按具体说话人选择，而不是只把语言设成EN。官方API通过spk2id取得可用说话人，再使用相应ID；CLI提供EN-US、EN-AU等示例。程序里应从实际模型配置读取映射，避免把另一个模型的数字ID硬塞进来。若要重复生成多条旁白，固定语言、说话人与速度，才更容易保持系列一致。

安装文档以Ubuntu20.04、Python3.9开发测试环境为基础，同时给出macOS与Docker路线，WebUI通过melo-ui启动。模型与语言资源首次使用还需准备。README声称CPU可实时推理，但具体速度取决于硬件、文本与环境，本稿没有做性能测试，不能据此保证每台笔记本都无等待。

它与同团队的OpenVoice分工也要划清：MeloTTS先负责把文字读出来，OpenVoice可以在另一条流程里转换音色。单用MeloTTS的预设声音，不需要假设已经克隆了某个人；想用本人声音则需要另行选择和验证转换或训练方案。

库采用MIT，允许商业与非商业用途，但你的讲稿、另加的模型与声音数据仍要有使用权。文档的MyShell快速入口还包含许多其他TTS产品，不应把平台所有语言与声音都归给本地MeloTTS，也不应把开源许可理解为网页服务永久免费。

它最适合明确文本、可逐段试听、允许人工修字和剪辑的旁白任务。先把发音与节奏验证好，再批量生成，比一次输出整篇更容易得到可用交付。

资料：README与声音示例、CLI及Python API、许可。