01阶段 01
1. Canvas 大津法预处理
增强图像对比度并应用自适应大津二值化，把文字从不均匀的光照和阴影中干净地分离出来。
书籍与笔记
图片、照片和截图转语音朗读
将书籍排版、图表与图文资料转化为行云流水的语音旁白与朗读音频。
朗读速度1.00x
音调1.00
句间停顿0.40s
Canvas OCR 预处理：
源图片与 OCR 可视化
拖放或粘贴图片拖放照片、截图或书页
或按 Cmd+V 从剪贴板粘贴
100% 浏览器本地 OCR · 不上传服务器
提取的朗读文本
OCR 准确率 96%0 个词·约 0:00
请在左侧上传或粘贴图片
文字将被提取并转换为可收听的朗读句子
0:00/0:00
100% 浏览器本地处理 · 不会向任何服务器上传文件或图片数据
技术架构
从像素扫描到 人声节奏的朗读音频
我们的浏览器内 OCR 引擎如何清除伪影、合并断行连字符并合成语音。
02阶段 02
2. 浏览器本地 OCR 与连字符合并
直接在浏览器中提取单词及其边框坐标，合并行尾被连字符拆开的单词，并去除扫描伪影。
03阶段 03
3. 字幕与文本导出
配合同步的卡拉 OK 式视觉高亮进行试听，并下载同步的 WebVTT、SRT 字幕、Audacity 提示标签和排版好的文本。
相关后期工作流
用于文档朗读、PDF 提取和响度母带处理的配套工具。
音频标准与研究
工程技术指南与深度工作流
深入了解声学原理、语音合成韵律以及文档朗读工作流程。
音频变速阅读约 6 分钟
如何在变速不变调的前提下调整语音播放速度并保持极佳清晰度
时间伸缩（Time-Stretch）与简单重采样的差异：相位声码器算法如何在 0.5x 至 2.0x 变速区间保持人声咬字清晰。
在线音频剪辑阅读约 7 分钟
基于浏览器的在线人声音频编辑器：纯本地内存运行的无损剪辑方案
新一代 Web Audio 浏览器本地处理架构：免上传云端、时间轴多轨道实时试听对比，且杜绝有损转码损耗。
免费音频编辑器阅读约 7 分钟
免费人声对白音频剪辑工具选型指南：隐私、无损与高效工作流
人声剪辑工具的5项评估准则：本地内存处理隐私、无损可逆剪辑、专属对白语速控制以及无压缩 PCM 导出。
常见问题
关于浏览器本地 OCR 与音频转换，你需要了解的一切。
AutoSilenceCut 如何把图片转换为朗读音频？+
AutoSilenceCut 将客户端 Canvas 像素预处理（大津二值化和自动对比度校平）与 WebAssembly OCR 结合起来。文本提取并合并连字符后，内置的语音合成引擎会把文字转换成带有自然韵律停顿的录音棚级语音。
我上传的照片或私人截图会被发送到服务器吗？+
不会。任何图片数据、文本片段或音频波形都不会被上传。所有 OCR 和语音合成都在浏览器内存中 100% 本地执行，隐私完全有保障。
与 Speechify 和 NaturalReader 相比如何？+
Speechify 将相机/照片 OCR 朗读功能锁在每年 $139–$159 的订阅中，NaturalReader 则把免费用户限制为每天 20 分钟，且 OCR 仅限付费方案。AutoSilenceCut 100% 免费，图片转换次数不限，无需注册，并支持无损 16 位 WAV 导出。
支持哪些图片格式？+
你可以上传 PNG、JPG/JPEG、WebP、AVIF、BMP 和 TIFF 文件，也可以按 Cmd+V / Ctrl+V 直接从剪贴板粘贴截图。
配套工作流
OCR 与配音配套工具
从图片、文档和网页文章中提取文字，生成自然的朗读音频。