Markdown 转 WAV 转换器 —— 结构感知的 AI 朗读

为阅读而写，如今也可以听

Markdown 的存在，是因为写作者想要结构，又不想与文字处理器缠斗：标题用井号，强调用星号，列表用短横。这个格式默认有一位看得到渲染结果的读者。但如今一天中越来越多的时间属于耳朵而不是眼睛——通勤、厨房、健身房——而一堆笔记并不会迁就你的耳机。把 Markdown 转成 WAV，等于给文档找到第二位听众：正在听的你自己。

这种搭配非常自然。Markdown 底层就是纯文本，没有需要渲染的东西，也没有授权问题；文件按原样上传即可。纯 TXT 文件是一条扁平的字符流，Markdown 文件则自带大纲——而本页正是为利用这份大纲而建。而且这个格式本身已经编码了结构——什么是标题、什么是列表项、什么重要到需要加粗——朗读因此可以跟随文档自己的形态，而不是平铺直叙地念符号。

文档如何变得可朗读

在合成语音之前，文件会先经过一道可朗读化的预处理。目标很简单：永远不该让耳朵听到标记符号。留下的只有正文，按作者本意的顺序排列。

有些内容被刻意略过。代码块与表格不朗读——没有人想听语音背诵竖线与反引号，表格逐行念出来也只是噪音。链接只读锚文本：引擎读出的是发布说明这几个字，而不是它背后的网址。图片语法被完全忽略，连替代文本一起。预处理是机械且可预期的：不总结、不改写，正文之外的内容一概不念。

留下的是结构。标题层级、强调与列表顺序都融入朗读节奏，于是录音在文档呼吸的地方呼吸——新章节听起来像新章节，列表按顺序作为列表被读出。随后 Qwen3-TTS 引擎把语音合成为 WAV（一种无损容器）。大多数转换在几分钟内完成；长文档最长可能需要约 20 分钟。WAV 以单个文件落地，任何播放器都能直接使用，不需要你再做任何加工。

音色与输入上限

语音由 Qwen3-TTS 引擎 AI 生成，不是真人录音，页面也如实呈现。默认音色为 Vivian，以固定的新闻播报语气朗读——平稳、清晰，适合吸收内容而非欣赏表演。目前没有音色或语速控件；每一份文档得到的都是同样从容的朗读。一致性本身就是特性：你永远确切知道下一份文档听起来是什么样子。

输入上限为 2000 字符，约合 9 分钟成品音频。超限文件会被拒绝并给出明确提示，而不是被静默截断。对 Markdown 来说顺手的解法是按小节拆分：每一部分保留自己的标题，各自产出一个 WAV，再按顺序转换。结构读起来顺的文档转换也顺——拆分点早已写在文件里。

隐私与单文件习惯

平台的隐私标准原样适用：Beta 期间免费，无需登录；上传走 HTTPS，处理在内存中完成，Markdown 原件与生成的 WAV 都会在 24 小时内删除。没有邮箱输入框，没有广告网络，也没有需要细读的例外条款。

一个文件进，一个音频文件出——刻意地窄，也刻意地可靠。如果你的笔记、文档草稿、日志或卡片盒导出都活在 Markdown 里，这个页面能把这一堆变成散步时就能听完的东西。而且朗读跟随文档自己的标题，结构良好的文件听起来天然比扁平的更好。写下的文字值得一个声音；现在它有了。