文档能听

解决什么

文档阅读依赖视觉输出，通勤、长时间阅读、会议间隙、视力不便等场景下，纯文本不容易持续消费。该技能把已有文档转成可播放的 MP3，让内容从“读”变成“听”。它不是实时朗读窗口，也不是视频字幕工具，而是面向本地文件批量的音频生成流程，适合把报告、资料、Markdown 笔记先转成随身可听的内容。

工作方式与边界

核心路径是：先提取文档文本，再调用 TTS 引擎合成语音，最后输出音频文件。常见输入包括 .docx、.pdf、.txt、.md，也可以处理整个文件夹。文本提取通常依赖 docx2txt、pdfplumber 或 PyPDF2；语音合成可选择离线 pyttsx3 或在线 gTTS。离线方案响应快、无网络依赖，但音色可能一般；在线方案更自然，但受网络与请求限制影响。长文档会分段处理；扫描版 PDF 需要先 OCR；复杂版式可能导致文本不完整。使用时要确认输入路径、输出路径、语音、语速和语言参数，并在生成后检查 MP3 是否可播放、是否出现漏字或顺序错乱。