MS Read Aloud Forwarder (ms-text-to-speech)

一个文本转语音（TTS）服务，通过 Microsoft Edge“大声朗读”与微软翻译通道生成语音，并提供 API 供阅读 App 等第三方应用调用。仓库保留原有 Next.js 实现，并新增独立的 Go 全栈重写版（见 go/），可单独运行和部署。

功能特性

✅ 支持 Microsoft Edge 浏览器“大声朗读”TTS 接口
✅ 支持微软翻译免费通道（service=ms），无需 Azure 订阅密钥，且支持讲话风格（personality）
✅ 提供简洁的 Web 界面，支持文本输入、参数调节和历史记录
✅ 提供 RESTful API 接口，便于集成到第三方应用
✅ 支持 Token 认证（可选），防止滥用
✅ 多语言、多音色支持（基于 Edge TTS 服务）
✅ 可调节语速、音调、音量等参数

技术栈

框架: Next.js 16.4.0（App Router）
语言: TypeScript
UI: React 19 + Radix UI + Tailwind CSS
状态管理: React Hook Form + TanStack Query
验证: Zod
其他: WebSocket（实时通信）、Keyv（缓存）等
Go 重写版: Go 1.23+、标准库 HTTP、Gorilla WebSocket；UI 使用嵌入式 HTML/CSS/JS

Go 版本（全栈重写）

完整 Go 版本位于 go/，包含嵌入式 Web UI、登录鉴权、Edge / 微软翻译 TTS、音色列表、Legado 导入与本地历史。原 Next.js 源码暂时保留，便于迁移期间对照。

cd go
go run ./cmd/server

默认监听 :3000。如原 Next.js 服务仍在该端口运行，可改用 ADDR=:3100 go run ./cmd/server。认证配置沿用 MS_RA_FORWARDER_TOKEN（优先）或 TOKEN；反向代理部署可设置 PUBLIC_BASE_URL=https://你的域名。更多说明见 go/README_GO.md。

直接下载预编译二进制

每次推送 v* 标签，GitHub Actions 会编译 Linux 的 amd64 / arm64 二进制并发布到 Releases 页面。Release 只提供 .tar.gz 归档（内含二进制与 README_GO.md），不提供裸二进制：

# 版本号请到仓库 Releases 页面确认；架构可选 amd64 / arm64
curl -LO https://github.com/gitMFQ/ttss/releases/download/v1.1.0/ttss-linux-amd64.tar.gz
tar -xzf ttss-linux-amd64.tar.gz
chmod +x ttss-linux-amd64
./ttss-linux-amd64

每个归档都附带同名的 .sha256 校验文件：

curl -LO https://github.com/gitMFQ/ttss/releases/download/v1.1.0/ttss-linux-amd64.tar.gz.sha256
sha256sum -c ttss-linux-amd64.tar.gz.sha256

Sec-MS-GEC v2（2026-10-19）

微软已废弃 Edge TTS 的 Sec-MS-GEC v1 令牌算法并切换到 v2。继续使用 v1 会在 WebSocket 握手阶段返回 HTTP 403。

v2 令牌格式为 <16 位十六进制 CS64>-<64 位十六进制摘要>（共 81 字符），由自研 SHA-256 与 CS64 双段摘要组成；Sec-MS-GEC-Version 也须由 1- 改为 2- 前缀。

⚠️ 该摘要不是标准 SHA-256（上游刻意扰动了轮常量与消息调度），无法用 crypto/sha256、node:crypto 等标准库实现，必须按上游算法移植。

💡 国内网络下遇到 403 通常不是被墙或地域限制：同域名同 IP 下 voices/list 接口仍返回 200，只有握手被拒。请优先升级到 v2，而非依赖代理绕过。

移植实现见 go/internal/tts/drm.go（Go）与 service/edge-tts-service/drm.ts（TypeScript），二者均用上游 edge-tts 的参考向量做了逐位校验。

快速开始（原 Next.js 版本）

手动运行

确保已安装 Node.js（版本 18 或更高）和 Git。

# 克隆项目
git clone https://github.com/wxxxcxx/ms-ra-forwarder.git
cd ms-ra-forwarder

# 安装依赖（项目使用 yarn 4）
corepack enable
yarn install

# 构建
yarn build

启动生产服务：

# 推荐：直接调用 next，单进程，内存占用最低（实测约 90 MB）
node node_modules/next/dist/bin/next start

⚠️ 不建议用 yarn start 或 npm run start 启动生产服务。 包管理器会额外常驻一个 Node 进程做转发，实测内存占用：yarn start 约 220 MB、 npm run start 约 160 MB，而直接调用 next 仅约 90 MB。另外多出的中间进程会干扰 SIGTERM 透传，停止服务时可能需要等超时强杀。

yarn start / npm run start 仍可用于本地临时验证，长期运行请用上面的命令。

开发模式：

yarn dev

后台常驻运行（tmux）

用 tmux 让服务在后台常驻，退出 SSH 后也不会中断：

# 启动（会话名 ttss，直接调用 next，单进程）
tmux new-session -d -s ttss -c "$PWD" \
  "node node_modules/next/dist/bin/next start"

常用操作：

# 查看实时日志（按 Ctrl+B 再按 D 脱离，服务继续运行）
tmux attach -t ttss

# 只看日志，不进入会话
tmux capture-pane -pt ttss -S -50

# 停止服务
tmux kill-session -t ttss

💡 tmux 不是守护进程管理器，服务器重启后服务不会自动拉起。如需开机自启，请自行配置 systemd 或 cron @reboot。

💡 日志默认只保留在 tmux 的滚动缓冲中，超出即丢失。需要留存日志可改为：
tmux new-session -d -s ttss -c "$PWD" \
  "node node_modules/next/dist/bin/next start 2>&1 | tee -a ttss.log"
服务默认不会把待合成的文本写入日志，长期留存无隐私顾虑（详见下文「日志」一节）。

使用说明

Web 界面

访问 http://your-server:3000，你可以：

选择“Edge 大声朗读”或“微软翻译”服务通道
在文本框中输入要转换的文本
选择语言、音色；微软翻译通道可配置区域、输出格式、稳定模式、风格/角色/强度、语言技能和 Omni
可关闭稳定模式以启用手动风格、角色和输出格式；自动风格支持关键词规则及情绪桥接标签
调节语速、音调、音量，点击“转换”试听语音
生成历史记录会保存在侧边栏
可直接点击“导入到阅读”将当前通道配置到阅读（legado）App

API 调用

接口地址: GET /api/text-to-speech

参数说明:

参数	类型	必需	默认值	说明
text	string	是	-	要转换的文本
voice	string	是	-	音色名称，如 `zh-CN-XiaoxiaoNeural`
volume	number	否	UI/MS：0；Edge 旧 API：100	音量，范围 -100 到 100；UI 的 0 表示默认音量
rate	number	否	0	语速，范围 -100 到 100
pitch	number	否	0	音调，范围 -100 到 100
personality / style	string	否	-	讲话风格；`style` 是参考插件兼容别名
role	string	否	default	角色（依音色 `RolePlayList`）
styleDegree	number	否	1	风格强度，0–2
region	string	否	auto	`auto`、`hd`、eastasia、southeastasia、northeurope、westeurope、westus、eastus
format	string	否	24k/160k MP3	微软 TTS 输出格式；支持 MP3、Opus、AMR、PCM/WAV
langSkill	string	否	音色默认语言	多语言/Omni 音色的语言技能，如 `en-US`
omni	boolean	否	false	普通 Neural 音色转为 Dragon HD Omni（仅支持的音色生效）
safeMode / msSafeMode	boolean	否	true	稳定模式：固定 24k/160k MP3、收敛 prosody、使用默认 style/role
autoStyleRules / as	string	否	-	自动风格规则，每行 `style[关键词
service	string	否	edge	TTS 通道：`edge` 或 `ms`（微软翻译免费通道）

关于 service=ms（微软翻译免费通道）：

通过微软翻译 App 接口换取短时 Azure TTS 令牌并自动缓存/刷新，无需 Azure 订阅密钥。
UI 音色来自微软 voices/list 元数据，可按音色显示 StyleList、RolePlayList、SecondaryLocaleList；支持讲话风格、角色、风格强度、语言技能和 Omni。
稳定模式与桥接清理：清除 [[emo:...]]、[[ms_style:...]]、[[mimo_ctx:...]] 等内部标记，并可从情绪标签/行首提示选择该音色支持的风格；不会朗读控制标签。
支持 23 种微软输出格式。稳定模式固定 MP3；关闭稳定模式后才应用所选格式。Omni 会将易出问题的 Opus/AMR/48k 等格式回退至稳定 MP3。
region=auto 使用令牌返回区域；hd 与 Omni 按参考插件规则映射。只允许官方区域枚举，不开放任意代理主机，以避免 SSRF。
该通道依赖微软翻译 App 接口，不保证长期可用；Edge 仍为默认通道。音色使用微软短名，如 zh-CN-XiaoxiaoNeural。

示例请求:

curl "http://localhost:3000/api/text-to-speech?voice=Microsoft+Server+Speech+Text+to+Speech+Voice+(zh-CN,+XiaoxiaoNeural)&volume=0&rate=0&pitch=0&text=你好"

# 微软翻译免费通道 + 讲话风格
curl "http://localhost:3000/api/text-to-speech?voice=zh-CN-XiaoxiaoNeural&service=ms&safeMode=false&style=cheerful&role=default&styleDegree=1.2&text=你好"

# 关闭稳定模式并使用音色情绪桥接标签（控制标签不会被朗读）
curl "http://localhost:3000/api/text-to-speech?voice=zh-CN-XiaoxiaoNeural&service=ms&safeMode=false&text=%5B%5Bemo%3Aangry%5D%5D%E5%88%AB%E8%BF%87%E6%9D%A5%EF%BC%81"

成功响应: 返回音频文件；Content-Type 随所选格式返回 audio/mpeg、audio/ogg、audio/webm、audio/wav 或 audio/amr。稳定模式下固定为 audio/mpeg。

错误响应:

400 Bad Request: 缺少必需参数、数值越界或通道/区域/格式无效
401 Unauthorized: Token 无效（如果启用了认证）
500 Internal Server Error: 服务器内部错误

身份认证

本项目没有内置的固定密码。登录所需的「令牌」由你在启动服务时通过环境变量自行设定。

令牌从哪来

启动服务时设置 TOKEN（或 MS_RA_FORWARDER_TOKEN）即可启用认证，值就是登录时该填的内容：

# 在 tmux 中启动，并设定令牌为 mySecret123（可换成任意字符串）
tmux new-session -d -s ttss -c "$PWD" \
  "TOKEN=mySecret123 node node_modules/next/dist/bin/next start"

之后：

Web 登录页：填写 mySecret123
API 调用：请求头携带 Authorization: Bearer mySecret123

两种运行状态

环境变量	行为
未设置（默认）	不启用认证。登录页填写任意非空内容即可进入，API 无需鉴权
已设置	登录页必须填写与环境变量完全一致的令牌；所有 API 请求必须携带正确的 `Authorization` 头

💡 MS_RA_FORWARDER_TOKEN 的优先级高于 TOKEN，两者同时设置时以 MS_RA_FORWARDER_TOKEN 为准。若修改 TOKEN 后发现未生效，请检查是否仍残留 MS_RA_FORWARDER_TOKEN。

API 鉴权

启用认证后，所有 API 请求必须在请求头中携带：

Authorization: Bearer <TOKEN>

示例：

curl -H "Authorization: Bearer mySecret123" \
  "http://localhost:3000/api/text-to-speech?voice=zh-CN-XiaoxiaoNeural&text=你好"

⚠️ 修改令牌后必须重启服务。环境变量在进程启动时读取，运行中无法更改：
tmux kill-session -t ttss
tmux new-session -d -s ttss -c "$PWD" \
  "TOKEN=新令牌 node node_modules/next/dist/bin/next start"

安全提示

⚠️ 认证强度有限：前端把令牌存入浏览器 localStorage 即视为已登录，实际拦截发生在服务端 API 路由。适用于自建小服务，不建议作为强安全边界。
⚠️ 用 TOKEN=xxx node ... 方式传参时，令牌会出现在进程命令行中，同机器的其他用户可通过 ps 看到。如在意，可改用 .env 文件（Next.js 会自动加载）或 systemd 的 EnvironmentFile=。
⚠️ 本服务基于 HTTP 明文传输，若暴露在公网，建议置于 HTTPS 反向代理之后，否则令牌可能被中间人截获。

部署到 Vercel

注意：Vercel 的 Serverless 函数可能因冷启动或超时导致 WebSocket 连接不稳定，不推荐作为生产环境首选。

环境变量

变量名	必需	说明
`TOKEN`	否	API 访问令牌，设置后启用认证
`MS_RA_FORWARDER_TOKEN`	否	同上，优先级更高
`PORT`	否	服务端口，默认 `3000`（注意：写在 `.env` 中无效，见下文）
`TTS_PROXY`	否	HTTP 代理，例如 `http://127.0.0.1:7890`，用于让 Edge TTS 的 WebSocket 通过 HTTP CONNECT 隧道出站。优先级最高；留空则直连
`HTTPS_PROXY`	否	同上，仅在未设置 `TTS_PROXY` 时生效
`HTTP_PROXY`	否	同上，仅在未设置 `TTS_PROXY` 和 `HTTPS_PROXY` 时生效
`TTS_POOL_SIZE`	否	维持多少个长连接，默认 `3`。并发请求量较大时可调到 5–10
`TTS_IDLE_TIMEOUT_MIN`	否	连接空闲多久后主动关闭（分钟），默认 `5`
`TTS_TURN_TIMEOUT_SEC`	否	单个合成请求的总超时（秒，含排队时间），默认 `60`
`TTS_PING_INTERVAL_SEC`	否	WebSocket 心跳间隔（秒），默认 `30`

💡 以上变量在 Go 版本里同样生效，变量名一致。

Edge TTS 连接复用

WebSocket 握手是 Edge TTS 最大的延迟来源。为减少该开销，本服务内部维护一个长连接池：

连接复用：每条 WebSocket 上串行处理多个 turn（服务端要求 FIFO），每个 turn 结束后立刻释放连接给下一个请求
健康检查：默认每 30 秒发送一次 WebSocket ping；读超时为 70 秒，超时或出错即判定连接死亡并重建
空闲关闭：连接空闲超过 TTS_IDLE_TIMEOUT_MIN 后主动断开
失败重试：连接在请求被应答之前断开时，该请求会自动在新连接上重试一次
超时隔离：单个 turn 超时或调用方取消时，该连接会被丢弃重建，避免残留帧污染后续请求

具体延迟取决于本机到微软服务器的网络质量，本仓库不再给出未经测量的固定数值；如需基准数据请自行压测。

从 v1.0.0 升级（v1.1.0）

v1.1.0 之前，Edge TTS 每次合成都新建一条 WebSocket，且单条连接在一个 turn 结束后会被占用满一个超时周期才释放，导致同一连接上的后续请求串行排队。v1.1.0 起改为长连接池复用：

每个 turn 结束后立即把连接让给下一个请求
连接在应答前断开时自动重试一次
补齐心跳、空闲回收与超时隔离（见上方环境变量）
修复 TS 端二进制帧多读 2 字节导致音频首部带垃圾数据的问题

升级后无需改动配置；如需调整并发，可设置 TTS_POOL_SIZE。

国内网络下可能出现 WSS 握手数秒的尖峰（微软服务端排队）。若遭遇此问题，可设置 TTS_PROXY=http://127.0.0.1:7890（mihomo / Clash 默认端口）走 HTTP CONNECT 隧道出站；语音列表与合成会共用同一代理。

监听地址与端口

默认监听 0.0.0.0:3000，即所有网络接口的 3000 端口。可用启动参数或环境变量修改：

# 改端口（两种写法等价）
node node_modules/next/dist/bin/next start --port 8080
PORT=8080 node node_modules/next/dist/bin/next start

# 只监听本机（仅 127.0.0.1 可访问，外部无法连接）
node node_modules/next/dist/bin/next start --hostname 127.0.0.1

# 同时指定地址和端口
node node_modules/next/dist/bin/next start --hostname 127.0.0.1 --port 8080

设置项	参数	环境变量	默认值
端口	`-p, --port`	`PORT`	`3000`
监听地址	`-H, --hostname`	无	`0.0.0.0`

💡 --hostname 没有对应的环境变量。设置 HOSTNAME=127.0.0.1 不会改变监听地址，只能用 --hostname 参数。

💡 参数优先于环境变量。同时指定 PORT=4400 ... --port 4500 时，实际监听 4500。

💡 在 tmux 中启动时，把参数写在启动命令里即可：
tmux new-session -d -s ttss -c "$PWD" \
  "node node_modules/next/dist/bin/next start --hostname 127.0.0.1 --port 8080"

关于 `.env` 文件中的 `PORT`

⚠️ PORT 写在 .env 文件里不生效，必须用环境变量或命令行参数传入。

原因是 next start 在解析命令行参数时就从 process.env 读取 PORT（作为 --port 的默认值），而 .env 文件是在这之后才被加载的，因此赶不上。

💡 对比：TOKEN 是在请求处理时才读取 process.env，所以写在 .env 里是生效的。

安全建议

若服务仅本机使用（如配合反向代理），建议绑定 --hostname 127.0.0.1，避免直接暴露到局域网或公网。
默认的 0.0.0.0 会监听所有网卡。若服务器有公网 IP 且未配置防火墙，服务将直接对外可访问；未设置 TOKEN 时任何人都能调用。

日志

日志级别无法用参数或环境变量控制

Node.js 的 console.debug 与 console.log 一样直接写入 stdout，不受任何「日志级别」影响；next start 也没有 --log-level 之类的参数，Next.js 的 logging 配置项只在 next dev 下生效。因此运行时无法通过启动参数或环境变量调整日志级别。

要控制日志，只能在构建期剥离，见下节。

剥离调试日志（构建期）

服务在合成时会打印完整的 SSML 原文（包含待合成的文本内容），并逐条打印 WebSocket 收发的二进制分片，输出量很大。如不需要，可在 next.config.mjs 中启用 removeConsole：

/** @type {import('next').NextConfig} */
const nextConfig = {
    compiler: {
        removeConsole: {
            exclude: ['error'], // 保留 console.error，剥离其余 console.*
        },
    },
};

export default nextConfig;

⚠️ removeConsole 是构建期转换，修改后必须重新执行 yarn build 才会生效。

⚠️ 使用 exclude: ['error'] 时，只有 console.error 会被保留。若项目里用 console.log 打印错误（本项目早期代码如此），这些错误日志也会一并被删除。本项目已将错误日志统一为 console.error，因此剥离后仍能正常看到合成失败的原因。

💡 若希望连错误日志一起剥离，可直接写 removeConsole: true。

重要更新历史

2026-10-19

🐛 修复 Edge TTS 无法合成（WebSocket 握手 403）：微软已废弃 Sec-MS-GEC v1 令牌，本项目 Go 与 TypeScript 两套实现均已移植 v2 算法（自研 SHA-256 + CS64 双段摘要），Sec-MS-GEC-Version 同步改为 2- 前缀。
💡 该问题与网络环境无关，无需代理即可直连使用（详见上文「Sec-MS-GEC v2」）。
🚀 新增 GitHub Actions 流水线：推送 v* 标签自动编译 Linux amd64 / arm64 二进制并发布 Release。

2026-10-12

✨ 新增微软翻译免费通道（service=ms）：无需 Azure 订阅密钥，personality 讲话风格真正生效（映射为 mstts:express-as），令牌自动缓存与刷新。

2025-08-20

✅ 使用 Next.js 重构项目，修复了无法合成语音的问题。
⚠️ 部署时请删除原项目后重新部署，旧版本不再兼容。

2023-04-19

⚠️ Azure 下线了演示页面的试用功能，Azure 版接口已失效，请迁移至 Edge 浏览器接口。

2022-11-18

✨ 添加词典文件支持（参考 azure-tts-lexicon-cn）。

2022-07-17

✨ 添加 Azure TTS API 支持（需授权码，稳定性待验证）。

2022-07-02

⚠️ Edge 版 API 支持的音频格式调整为：
- webm-24khz-16bit-mono-opu
- audio-24khz-48kbitrate-mono-mp3
- audio-24khz-96kbitrate-mono-mp3

2022-07-01

⚠️ 部署在中国大陆以外服务器时，仅支持 webm-24khz-16bit-mono-opus 格式。

2022-06-16

⚠️ Edge 浏览器接口不再支持设置讲话风格。

注意事项

⚠️ 本项目使用的是 Edge 浏览器的“大声朗读”接口与微软翻译免费通道，不保证后续可用性和稳定性，请勿用于关键业务。
⚠️ 本项目仅供学习和参考，请勿商用。
💡 如果免费额度满足需求，建议支持 Azure 官方 TTS 服务。
💡 如果只需要为固定文本生成语音，可使用有声内容创作（功能更丰富）。

许可证

本项目采用 MIT 许可证，详情请见 LICENSE 文件。

致谢

感谢 JetBrains 提供的开源开发工具支持。

Name		Name	Last commit message	Last commit date
.github/workflows		.github/workflows
app		app
components		components
go		go
public		public
service		service
styles		styles
.gitignore		.gitignore
.yarnrc.yml		.yarnrc.yml
README.md		README.md
components.json		components.json
eslint.config.mjs		eslint.config.mjs
next.config.mjs		next.config.mjs
package.json		package.json
postcss.config.mjs		postcss.config.mjs
tsconfig.json		tsconfig.json
yarn.lock		yarn.lock

Latest commit

History

Folders and files

Repository files navigation