speak

让 Claude 把它的回答读出来。

不是对原始回复的文本转语音转储。你说“简单读给我听”，Claude 会把它说的话改写成一个简短的语音脚本，然后播放。脚本永远不会出现在聊天中。这是你和模型之间的对话，文本不会妨碍你。

今天在 Claude Code 中可用。播放部分是一个普通的 MCP 服务器，所以它也可以放入 Claude Desktop、Cursor 或任何 MCP 客户端。

你会得到什么

• speak MCP 服务器，带有工具 speak、stop、pause、resume、back、skip、add_pronunciation、list_pronunciations、list_voices、set_default

• macOS 上 Claude 说话时的浮动覆盖层：每个窗口上方的一个小胶囊，带有实时波形，后退一个句子，跳过一个句子，从精确位置暂停和恢复，停止

• 用于 Claude Code 的 /speak 技能，带有样式：simple（默认）、brief、decisions、full、eli5

• 自动说话：一个 Stop 钩子，在每次回答后读取一个 brief 脚本，默认关闭

• speak CLI：echo "hello" | speak

• Raycast 脚本命令：Speak 按原样读取选中的文本，Speak Simply 先用 claude -p 将其改写为简短的语音摘要，Speak Translated 先翻译（默认英语；输入另一种语言作为命令参数，或设置 SPEAK_TRANSLATE_LANGUAGE 来更改默认值）。非英语翻译会使用匹配的已安装 macOS 语音朗读，优先选择最佳可用语音（Premium，然后是 Enhanced，然后是 compact）；英语保持你的正常语音不变。在系统设置 > 辅助功能 > 朗读与朗读 > 系统语音 > 管理语音中下载某种语言的 Premium 语音，以获得好的效果。Speak Stop 停止。它们通过模拟 Cmd+C 复制选择内容，所以 Raycast 需要辅助功能权限。

Related MCP server: MCP Audio Server

引擎

在 macOS 上选择语音

默认的 say 引擎使用你 Mac 的系统语音，所以只需在 macOS 中设置一次，每次朗读都会使用它：

1. 打开系统设置 > 辅助功能 > 朗读与朗读（旧版本为“朗读内容”）。

2. 在“系统语音”下，选择一个语音。Apple 为每种语言提供了大量语音库；Premium 和 Enhanced 语音按需下载，听起来比 compact 默认语音好得多。Siri 语音也可以在这里选择。

3. 根据需要设置语速。

发音

在聊天中告诉 Claude：

• “从现在起把 fancyapp 读作 fan-see-app”

• “你保存了哪些发音”

它们存放在 ~/.config/speak/pronunciations.json 中（用 SPEAK_CONFIG_DIR 覆盖文件夹），匹配整个单词且不区分大小写，并应用于每次朗读：

{
  "fancyapp": "fan-see-app",
  "OAuth": "oh auth"
}

链接和电子邮件按口语方式朗读：https://example.com/login 变成“example dot com slash login”，jane@example.de 变成“jane at example dot d e”。像 de、io、co.uk 这样的短结尾会逐字母拼读，因为“de”作为一个单词读出来是“duh”。

有两个读音的单词（“live”、“read”、“lead”）无法通过单词列表修复。技能会告诉 Claude 在脚本中重新拼写它们，这样语音就不会猜错：“lyive”表示“live”如“alive”，“red”表示过去时态的“read”，“led”表示金属。技能带有一个常见易混淆单词表，并在说话前检查脚本。

保持 SPEAK_VOICE 未设置以跟随系统语音，或将其设置为 say -v ? 中的语音名称，以仅覆盖 Claude 的语音。

第一个可用的引擎获胜，除非你设置 SPEAK_ENGINE。SPEAK_VOICE 设置语音。两者都可以通过 set_default 工具在每个会话中更改（“切换到 edge 引擎”）。

安装

将 RAYCAST_SCRIPTS_DIR 设置为已在 Raycast 中添加的目录（设置 > 扩展 > 脚本命令），命令会链接到其中。如果没有，请手动将本仓库中的 raycast/ 添加到那里一次。

RAYCAST_SCRIPTS_DIR=~/raycast-scripts ./install.sh

需要 Node 20+、jq 和 Claude Code。

git clone https://github.com/CareyScott/speak
cd speak
./install.sh

这会构建服务器和 macOS 覆盖层辅助程序（需要 Xcode 命令行工具中的 swiftc），在用户范围内注册 MCP 服务器，将技能链接到 ~/.claude/skills，将 Stop 钩子添加到 ~/.claude/settings.json，并将 speak 和 speak-auto 链接到 ~/.local/bin。

重启 Claude Code。

使用

与 Claude 对话：

• “读给我听”

• “简单说”

• “你需要我做什么，大声说出来”

• “/speak decisions”

• “停止”

每次回答后自动说话：

speak-auto on            # brief style
speak-auto on decisions  # only the questions for you
speak-auto off

当它说话时，使用覆盖层或直接说：

• “暂停”、“继续”、“后退一个句子”、“跳过那个”、“停止”

暂停保持精确位置。继续从该位置继续。后退重播上一个句子。跳过跳到下一个。关于暂停或继续不会说任何话；它只是执行。

选择引擎或语音：

export SPEAK_ENGINE=edge
export SPEAK_VOICE=en-IE-ConnorNeural

或在聊天中：“列出 say 语音”、“从现在起使用 Jamie”。

工作原理

技能告诉 Claude 如何为耳朵写作：短句，先讲重点，描述代码而不是读代码，以它需要你做的决定结束。Claude 用该脚本调用 speak 工具。

服务器去除任何剩余的 markdown，将脚本拆分为句子，并在当前句子播放时合成下一个句子。

在 macOS 上，一个小的 Swift 辅助程序（overlay/main.swift）使用 AVAudioPlayer 拥有播放，并绘制覆盖层：一个始终置顶、不激活的面板，永远不会抢走焦点。Node 通过 stdin 以 JSON 行形式一次发送一个句子文件，它在 stdout 上报告 finished、back 或 stop。暂停和恢复发生在辅助程序内部，所以位置是精确的。后退和跳过告诉服务器接下来播放哪个句子。在其他地方，服务器回退到 afplay 或 ffplay，没有覆盖层。

自动说话是一个 Claude Code Stop 钩子。当标志文件 ~/.config/speak/auto 存在时，钩子阻止停止一次，并要求 Claude 以文件中命名的样式说话。stop_hook_active 守卫阻止它循环。

开发

npm run dev        # run the server with tsx
npm test           # vitest
npm run typecheck

MIT。