写了三年博客，两百六十篇文章，全是哑巴。
文字躺在屏幕上，等人来读。没人来的时候，它们就安安静静地躺着。直到有一天我想：能不能让它们自己开口？
该用什么声音
浏览器有原生的 speechSynthesis API，十几行 JavaScript 就能让机器念文章。试了一下——冰冷、卡顿，中英混排时像两种语言在打架。
这不是加一个按钮的问题，是该用什么声音的问题。
摆出三条路：浏览器原生 TTS（免费但难听）、edge-tts 微软神经语音（免费且好听）、OpenAI/ElevenLabs（好听但要钱）。本来想先用浏览器 TTS 上线验证需求，再升级。但看了一眼 edge-tts——免费、不需要 API key、质量远超原生——没什么好纠结的，直接用最好的那个。
所谓渐进，有时候只是不敢相信最优解就在眼前。
晓晓
edge-tts --voice zh-CN-XiaoxiaoNeural
晓晓是微软的中文神经语音。说话带一点温柔的播音腔，中英混读时不会在两种语言之间硬切。
写了一个脚本，从 Markdown 博文里提取纯文本——去掉代码块、图片、frontmatter、shortcode——喂给 edge-tts。第一篇试验品是《镜子里的我，与编辑里的我》，1937 个字，生成了一个 1.9MB 的音频文件。
点下播放。
晓晓的声音从笔记本扬声器里传出来，念着我写的句子。我承认有一瞬间的恍惚——自己的文字，被一个不存在的人用温柔的声音读出来，感觉比默读时更……正式。像是这些字突然有了重量。
写作的时候你是作者，默读的时候你是读者，但有人把它念出来的时候——你变成了听众。听自己的文字，感觉比读它们更赤裸。
声音放哪里
260 篇博文，按平均 2MB 算，~500MB 音频。放 Git 仓库会让 clone 慢到怀疑人生。Git LFS 免费额度只有 1GB 带宽/月。
答案是 Cloudflare R2：10GB 免费存储（只用 500MB），零出口流量费，博客本来就托管在 Cloudflare Pages 上。绑了个子域名 audio.polly.wang，上传测试文件，200 OK。
架构
最终长这样：
博文 Markdown → generate-tts.py (edge-tts) → audio.mp3
↓ --upload
wrangler r2 put → Cloudflare R2
↓
https://audio.polly.wang/{slug}/audio.mp3
↓
tts.js 探测 → 有 mp3 就 <audio> 播放
→ 没有就 fallback Web Speech API
前端做了优雅降级：打开博文时，先 HEAD 请求检查 R2 上有没有对应的 mp3。有就用 <audio> 播放器——进度条、可跳转、显示时间；没有就退回浏览器原生 TTS，逐段朗读，当前段落高亮。
总成本：$0。edge-tts 免费，R2 免费额度绰绰有余。
从想法到能听，一个下午。
你现在点文章顶部那个 🔊 按钮，晓晓会替我把这篇也读给你听。