VoxEngine

VoxEngine是一款专业级Android TTS语音合成引擎，支持MiMo与微软Edge等多引擎热切换，内置丰富预设音色并具备语言自动识别能力。它提供音色克隆、文字生成音色及情绪风格控制等高级定制功能，同时集成阅读书架与听书模块。无论是深度阅读、无障碍辅助还是个性化语音创作，VoxEngine软件都能以高度可配置的方式满足专业级需求，让系统级语音合成真正融入日常使用场景。

VoxEngine介绍

1、Android系统级TTS语音合成引擎，注册为系统服务后，任意支持系统语音合成的应用均可直接调用，无需额外适配。

2、采用可插拔引擎架构与统一接口设计，当前支持MiMo TTS与微软Edge TTS，并可持续扩展更多语音合成后端。

3、内置多种中英文预设音色开箱即用，同时支持通过音频样本克隆或文字描述自动生成定制音色，满足个性化需求。

4、集成阅读书架与听书功能，支持导入本地TXT与EPUB小说，按章节阅读并保存进度，实现读听一体化体验。

VoxEngine怎么添加新音色

1、进入音色管理界面，可以选择【设计新音色】或【克隆音色】，两种模式分别满足不同定制需求。

2、输入音色名称、音色描述等信息，支持实时试听音色效果，确认满意后直接点击【保存】即可完成添加。

VoxEngine怎么获取api

1、前往小米MiMo TTS平台注册账号，在控制台新建APIKey，这是使用MiMo引擎的必要凭证。

2、建议新手使用按量计费模式（当前限时免费），生成的APIKey以sk-开头，请妥善保存此密钥。

3、创建完成后复制APIKey，将其粘贴到VoxEngine软件的对应设置栏中即可完成配置。

VoxEngine功能

系统级集成：作为Android原生TextToSpeechService运行，Legado等任意支持系统TTS的应用均可直接调用，无需额外适配。

多引擎架构：采用可插拔设计统一接口，当前兼容MiMo TTS与微软Edge TTS，未来可扩展接入更多语音合成后端。

预设音色库：开箱即用多种中英文高品质音色（如冰糖、茉莉、Mia等），覆盖日常阅读与多语种场景。

语言自动识别：根据当前选中音色自动上报对应语言代码，英文、日文、中文智能切换，无需手动设置。

音色克隆：上传或录制短音频样本即可精准复刻目标人声，保留原始音色特征与情感表达细节。

文字生音色：仅凭文字描述即可生成全新定制音色，无需任何音频素材，大幅降低个性化语音创作门槛。

风格精细控制：支持情绪、语调、方言及角色扮演等标签化调节，一句话指令即可实时切换发音表现力。

内置阅读听书：整合本地TXT与EPUB阅读器及听书功能，支持从任意位置开始朗读并自动保存阅读进度。

VoxEngine特色

1、音色语言自动识别机制，系统TTS语言随当前默认音色智能切换，无需手动设置即可适配多语种内容。

2、风格控制支持情绪、语调、方言及角色扮演等标签，一句话即可切换发音风格，显著增强语音表现力。

3、听书稳定性深度优化，预取失败时自动补合成当前段落，避免网络抖动导致跳段，保障连续收听体验。

4、克隆音色提供限流设置选项，可自定义请求间隔、重试次数与等待时间，兼顾效率与服务合规性。

VoxEngine亮点

1、将专业级语音合成能力下沉至系统层，打破应用孤岛，让优质TTS真正融入用户日常阅读与信息获取流程。

2、音色设计摆脱对原始音频的依赖，仅凭文字描述即可生成个性化声音，大幅降低定制化门槛与创作成本。

3、日志查询导出与音色JSON备份分享机制完善，既便于问题排查，也促进社区协作与音色资源流通复用。

VoxEngine常见问题

Q：VoxEngine软件支持哪些阅读应用调用？
A：任何支持Android系统TTS的应用均可直接调用，包括Legado、静读天下、微信读书等主流阅读软件。

Q：没有音频样本能制作定制音色吗？
A：可以，使用"设计新音色"功能，仅凭文字描述即可生成全新音色，无需上传任何音频素材。

Q：MiMo引擎的APIKey在哪里获取？
A：前往小米MiMo TTS平台注册账号，在控制台新建APIKey，当前限时免费，生成后以sk-开头。

Q：听书时网络不稳定会怎样？
A：VoxEngine软件已做稳定性优化，预取失败时自动补合成当前段落，避免跳段，保障连续收听。

Q：音色克隆对音频样本有什么要求？
A：短音频即可，建议清晰无杂音，上传后引擎会精准复刻目标人声并保留情感表达细节。

Q：升级后之前的音频缓存还能用吗？
A：更新后音频缓存版本升级，旧缓存不再命中，需要重新合成或重新执行预缓存。

游戏评测

VoxEngine软件虽非传统意义上的游戏，但作为一款系统级TTS语音合成引擎，它在有声阅读、无障碍辅助和个性化语音创作领域的表现堪称专业级。其最大亮点在于多引擎热切换架构，MiMo与Edge TTS无缝切换，配合音色克隆和文字生音色功能，让每个用户都能拥有专属声音。内置阅读书架与听书模块深度整合，支持TXT和EPUB格式，进度自动保存，网络抖动时自动补合成，细节打磨到位。对于阅读类应用用户、视障辅助需求者以及语音创作爱好者而言，VoxEngine软件是一款不可多得的利器。缺点是上手有一定门槛，API配置需要自行注册平台，新手初次设置可能略显繁琐。总体而言，这是一款将专业语音合成能力真正下沉到Android系统层的优秀工具，值得推荐。

VoxEngine使用技巧

1、Legado等阅读软件调用时，在系统TTS设置中选择VoxEngine软件为默认引擎，即可享受高品质语音朗读。

2、音色克隆建议使用10秒以上清晰音频，环境安静无回音，复刻效果更精准，情感保留更完整。

3、文字生音色时描述越具体越好，如"温柔女声、语速中等、带轻微笑意"，生成结果更贴合预期。

4、风格控制标签可叠加使用，如"兴奋+方言"，一句话指令实时切换，适合角色扮演和有声书演绎。

5、听书模块支持后台播放，锁屏后持续朗读，配合蓝牙耳机可实现全天候无障碍收听。

6、定期导出音色JSON备份，方便在不同设备间迁移，也可分享给社区其他用户复用优质音色配置。

更新日志

v2026.10.10.1

- 修复MiMo合成请求中前后段落原文与上下文标签可能被读出的问题，请求不再携带上下文原文，仅传递当前应朗读的正文。

- 覆盖内置听书、系统TTS和并行分段合成入口；预设、克隆、设计音色及设计预览均不再发送上下文原文。

- 预设/克隆音色在未指定风格时，从上下文提取简短的本地情绪提示；已指定风格保持不变。设计音色保留原有音色描述与预览行为。

- 更新音频缓存版本，避免继续复用旧的异常音频。升级后旧缓存不再命中，需要重新合成或重新执行预缓存。