在 VS Code 中将文本合成为语音并朗读。支持普通朗读、分角色朗读，并可作为 Copilot Agent 工具使用。

语音合成采用**渠道（Provider）**架构：普通朗读默认使用 MiniMax 渠道；豆包音频生成（Seed-Audio 1.0）通过独立的场景命令与智能体工具使用，与普通朗读完全隔离。

功能

朗读选中文本 — 选中编辑器内容，一键合成语音
分角色朗读 — 自动分析小说角色与对白，为每个角色分配不同音色
播放控制 — 支持暂停/恢复、停止播放
Copilot 集成 — 作为 Language Model Tool（audioplugin_speak）供 Copilot Agent 调用
音频缓存 — 相同文本自动复用已合成的音频

使用方式

普通朗读

运行 AudioPlugin 朗读助手：设置密钥，粘贴当前渠道的 API 密钥
在编辑器中选中文本，右键选择 朗读选中文本

分角色朗读

运行 AudioPlugin 朗读助手：配置角色分析，设置 DeepSeek API 密钥
打开小说文本，运行 分角色朗读文档
确认角色与音色分配后开始合成

TTS 渠道（Provider）

通过设置 audioplugin.provider 选择语音合成渠道（默认 minimax）。每个渠道的专属设置在 audioplugin.<渠道>.* 下：

minimax（默认） — MiniMax 语音合成，设置项见下表（audioplugin.minimax.*）

普通朗读（audioplugin.speakSelection）、分角色朗读与 audioplugin_speak 智能体工具仅使用当前渠道（MiniMax）。豆包不参与这些流程。

豆包音频场景（与普通朗读完全隔离）

豆包音频生成模型（Seed-Audio 1.0）通过独立的命令与智能体工具使用：选中文本被视为一条完整 Prompt，单次请求端到端生成综合语音场景（多角色对白、语气情绪、音效、背景音乐），不经过普通朗读的分句/缓存流程。

右键命令 audioplugin.speakScenePrompt（用豆包生成音频场景）— 选中文本作为 Prompt，生成并播放
智能体工具 audioplugin_scene — Copilot 智能体可调用，输入 prompt 字段生成并播放音频场景
密钥：运行 「AudioPlugin 朗读助手：设置密钥」 粘贴火山引擎语音 API Key（与普通朗读的 MiniMax 密钥相互独立存储）
Prompt 上限 3000 字符，单次输出最长 120 秒

示例 Prompt：

深夜的废弃工厂，雨滴打在铁皮屋顶。男主（低沉警惕）："你听到什么声音了吗？"
女主（压低声音）："好像……有人在跟踪我们。"背景音乐悬疑紧张，弦乐渐强，
远处偶尔传来雷声。

配置文件 `.ttsvoices.json`

在项目目录下创建 .ttsvoices.json，可为角色指定音色和语音参数（优先级高于 LLM 分析结果）：

{
  "张三": { "voiceId": "male-qingse", "speed": 1.2, "pitch": 2 },
  "李四": { "speed": 0.9 },
  "王五": "male-qingse",
  "@roleVoices": {
    "narrator": { "voiceId": "audiobook_female_1", "speed": 0.9 },
    "elderly": { "pitch": -3 }
  }
}

字符串值 — 指定角色音色 ID
对象值 — 可同时指定 voiceId、speed（0.5~~2.0）、pitch（-12~~12）、vol（0.1~10）
@roleVoices — 按角色类型（narrator/male/female/girl/boy/child/elderly）指定音色和参数
参数优先级：角色名 > 角色类型 > LLM 分析值
配置文件向上查找，最近的生效

命令

命令	说明
`audioplugin.speakSelection`	朗读选中文本
`audioplugin.speakDocumentWithRoles`	分角色朗读文档
`audioplugin.speakScenePrompt`	用豆包生成音频场景（选中文本为完整 Prompt）
`audioplugin.setApiKey`	设置当前渠道 API 密钥
`audioplugin.configureRoleAnalysis`	配置角色分析（DeepSeek）
`audioplugin.pause`	暂停/恢复播放
`audioplugin.stop`	停止播放

设置

通过 VS Code 设置面板调整（audioplugin.*）。配置项按适用范围分类标注：

[通用] — 所有渠道、所有朗读模式
[MiniMax] — 仅 MiniMax 渠道
[豆包][音频场景] — 仅豆包音频场景命令/工具
[分角色] — 仅分角色朗读
[普通朗读] — 仅普通朗读（朗读选中文本）

通用设置（`audioplugin.*`）

设置	说明	默认值
`provider`	[通用] 语音合成渠道	`minimax`
`cacheEnabled`	[通用] 启用音频缓存	`true`
`maxTextLength`	[通用] 单次请求最大字符数	`10000`
`requestTimeoutMs`	[通用] 请求超时（毫秒）	`60000`
`maxConcurrentRequests`	[分角色] 多角色合成最大并发请求数（1~8）	`3`
`browserPath`	[通用] 外部播放器浏览器路径	—
`roleAnalysis.*`	[分角色] 角色分析配置（DeepSeek/Copilot）	—

MiniMax 渠道设置（`audioplugin.minimax.*`）

设置	说明	默认值
`apiHost`	[MiniMax] API 地址	`https://api.minimax.io`
`model`	[MiniMax] 语音模型	`speech-2.8-turbo`
`voiceId`	[MiniMax][普通朗读] 默认音色 ID	`English_expressive_narrator`
`speed`	[MiniMax] 默认语速（0.5~2.0）	`1`
`pitch`	[MiniMax] 默认语调偏移（-12~12）	`0`
`vol`	[MiniMax] 默认音量倍率（0.1~10）	`1`
`roleVoices`	[MiniMax][分角色] 角色类型默认音色	—
`format`	[MiniMax] 输出音频格式	`mp3`

豆包音频场景设置（`audioplugin.doubao.*`）

设置	说明	默认值
`apiHost`	[豆包][音频场景] API 地址	`https://openspeech.bytedance.com`
`model`	[豆包][音频场景] 音频生成模型	`seed-audio-1.0`
`speechRate`	[豆包][音频场景] 语速偏移（-50~100，100 为 2.0 倍速）	`0`
`loudnessRate`	[豆包][音频场景] 音量偏移（格式同 speechRate）	`0`
`pitchRate`	[豆包][音频场景] 音调偏移（-12~12）	`0`
`format`	[豆包][音频场景] 输出音频格式	`mp3`

注意：音频场景为纯 Prompt 生成模式（不指定音色），Prompt 上限 3000 字符、单次输出最长 120 秒。

要求

VS Code ^1.100.0
普通朗读需 MiniMax 语音订阅或 Token Plan 密钥
豆包音频场景需火山引擎语音 API Key（独立存储）
分角色朗读需 DeepSeek API 密钥

AudioPlugin TTS 朗读助手

功能

使用方式