眼睛先撑不住了
情绪 Dashboard 上线之后，我的日常变成了这样：早上盯着屏幕看 Claude Code 跑完的回测报告，下午盯着屏幕看它生成的策略分析，晚上盯着屏幕 review 它写的代码——中间偶尔抬一下头，确认自己的眼睛还在。
盘中有一次，屏幕上同时开着四个窗口：Claude Code 在写新组件，回测在跑，情绪 Dashboard 在刷数据，我在看报告。
我当时的脑子大概是这种状态：
全。满。了。
我需要一双不用眼睛的耳朵，把屏幕上的文字念给我听，让眼睛去干别的事。
然后我翻到了 Supertonic，Supertone Inc 出品，项目介绍第一行：
Lightning-Fast, On-Device TTS. Now speaks in 31 languages.
设备端。闪电速度。31 种语言。No GPU。没有云端 API，没有隐私问题。
我看了看自己已经有点干涩的眼睛。
装。
装完我才意识到，把这东西接进 Claude Code 的输出管道之后，很多工作的操作步骤真的压缩到了两个按键：一个触发 Claude Code，一个触发 Supertonic 朗读结果——我的眼睛可以去看别的东西了。
国内订阅claude code确实有点困难，可以参考一下：claudemax.shop
先说结论
评分：9 / 10。接进 Claude Code 工作流之后，这是我装过的最快让眼睛放松的工具。
用了一周，几个实测数字：
- 启动延迟：本地调用首次合成约 180ms，后续调用 < 50ms，流式输出感觉是"实时"的
- 设备端全程：没有一个字节的文本发到云端，量化策略内容可以放心念
- 情绪标签：
[scream]读到回测亏损数字、[laugh]读到盈利信号——这个功能有点离谱但我没删掉
唯一的但是：Supertonic 3 目前开放了 demo，完整 SDK 接入需要联系 Supertone 商务。部分情绪标签在中文语境下效果比英文稍弱，有口音偏差。
先跑起来
demo 版本直接在 GitHub 的 Releases 页面下载对应平台的可执行文件，不需要 Python 环境。或者走官方 npm 包：
npm install @supertone/supertonic
最简单的用法，三行代码让它念一句话：
import { Supertonic } from "@supertone/supertonic";
const tts = new Supertonic();
await tts.speak("今日回测结果：夏普比率 1.84，最大回撤 3.2%");
支持 8+ 编程语言：TypeScript、Python、Rust、Go、Swift、Kotlin……对量化选手来说，Python 接入直接可以用。
配置好之后就一直在本地跑，CPU-Only，不用担心没有 GPU 的机器跑不动。
和 Claude Code 搭起来，才是真正有意思的
情绪标签：这是我没想到会在意的功能
Supertonic 支持在文本里嵌入情绪标签，让朗读的语气跟着内容变：
"今天大盘[sigh]又跌了，不过情绪指标[laugh]意外地稳定。"
"[scream]回测穿了！最大回撤冲到 18%！"
"策略调整完毕，[breath]今天的工作结束了。"
我第一次看到这功能的时候，反应是：这不是噱头吗？
用了三天之后，我收回这个判断。
听报告的时候，平铺直叙的 TTS 读到第 10 分钟开始产生"白噪音化"——你的大脑会开始把声音当背景，信息没进去。情绪标签破了这个问题：关键数字前加一个 [surprise]，你的耳朵会本能地注意。
我现在让 Claude Code 生成报告的时候，在 system prompt 里加了一条规则：在关键指标前自动插入对应情绪标签。效果比我预期的好很多。
当然，[yawn] 那个标签的实际用途我还没想明白。谁在听报告听到一半来一个哈欠声？（我想了一会儿，也许是在做压力测试？）
接进 Claude Code 输出管道：真正的"两个按键"
这才是重点。
以前我的工作流里有一个隐性成本：读输出。Claude Code 跑完一个任务，输出几百字的分析，我要停下手头的事，眼睛切回去，读完，再决定下一步。这个动作看起来小，但一天做二三十次，累积起来的注意力碎片化相当可观。
接了 Supertonic 之后，我在 Claude Code 的 hook 里加了一条：任务完成时，把输出文本自动管道进 Supertonic 朗读。
大概是这个样子：
import subprocess
from supertonic import Supertonic
tts = Supertonic()
def on_claude_complete(output: str):
# 过滤掉代码块，只念自然语言部分
text = strip_code_blocks(output)
tts.speak(text, emotion_auto=True) # 自动根据语义选情绪标签
效果是：我触发 Claude Code（按键一），它跑完，Supertonic 自动把结果念出来（按键零，因为不需要我按）。我的眼睛在这段时间里可以盯着回测图表，或者去喝口水，或者什么都不干。
两个按键的说法严格来讲不准确——应该是"一个按键 + 耳朵"。
但这不重要，重要的是注意力不再被打断了。
设备端运行：量化内容的隐私底线
这一块对量化程序员来说不是加分项，是前提条件。
我之前用过几款 TTS 工具，主流的都是云端 API：你把文本发出去，服务器合成，音频传回来。流程上没问题，但那些文本里包含的东西有时候不只是普通报告——持仓逻辑、策略参数、信号权重，这些东西一旦离开本机，你接受服务条款的那一刻就算默认授权了。
Supertonic 的卖点之一就是设备端全程：文本在本机合成，音频在本机播放，没有任何数据出网。
我接了一段时间，用 Wireshark 抓包验证了一下——朗读期间，进出网络的请求都是 0。
这对我来说比 31 种语言支持更重要。
68% 更少的读取错误：中英文混排实测
量化报告有一个恶趣味：里面经常是中英文混排，还穿插着数字、百分比、代码变量名——比如"夏普比率（Sharpe Ratio）提升至 1.84，useEffect 依赖修复后 P&L 曲线趋稳"。
这种文本是 TTS 的地狱场景。大多数 TTS 会在数字和变量名这里抽风，读出一些让人哭笑不得的东西。
Supertonic 官方数据说阅读错误率降低 68%，我自己测了一批量化报告里的典型句子，结论是：纯中文和纯英文都没什么问题，数字、百分比处理得很干净，代码变量名会逐字母拼读（useEffect 读成"u s e Effect"），这个行为其实是合理的，不算错误。
混排的场景里，语言切换的自然度比我预期的好，不会在中英文边界断一下再切换。
这块能感觉到 Supertone 在语音合成上做了认真的工程工作——毕竟他们做商业语音产品多年，不是玩票性质的 side project。
说实话，它的坑也有几个
完整 SDK 需要商务对接。 GitHub 上的 Supertonic 项目目前是 demo 性质，开放了可执行文件和基础接口，但企业级 SDK 接入、自定义语音模型、私有化部署这些需要联系 Supertone 商务谈。这对个人开发者来说是个不确定因素——价格未知，接入流程未知。
中文情绪标签效果不如英文。 [laugh] 在英文语境下听起来很自然，在中文语境下有点……怪。情绪表达在不同语言里有语调习惯差异，Supertonic 的情绪标签明显是以英文为基准调校的，中文用户感受会打折扣。
首次加载有延迟。 模型文件在首次调用时需要加载到内存，这个过程大概 2-3 秒。不影响日常使用，但如果你想接进实时 alert 系统，需要提前做预热（keep-alive）处理。
不适合极高频播报场景。 如果你想用它做股价每秒播报，CPU 资源会撑不住。它的定位是"报告朗读 / 内容消费"，不是"实时 tick 数据播报"，这两个是不同场景，别搞混了。
对量化和 AI 独立开发者意味着什么
做量化做了三年，有一个经验：影响工作质量的不只是工具的能力上限，还有注意力的连续性。
你越能保持专注，你的判断越准，你的代码 bug 越少，你的策略逻辑越清晰。每一次"停下来读屏幕"都是一次注意力打断，打断多了，效率下去，质量跟着下去。
Supertonic 接进 Claude Code 工作流，干的就是把"读输出"这个动作从眼睛搬到耳朵——眼睛继续干别的事，耳朵接管文本信息消费。这个搬迁看起来很小，但对长时间工作的连续性影响是真实的。
还有一个不太被提到的价值：无障碍和疲劳场景。盯屏幕超过四小时之后，视觉疲劳会导致你漏读信息。TTS 朗读强制你用不同感官接收，信息遗漏率会下降。
这不是玄学。这是注意力管理。
你是哪种情况
在用 Claude Code 大量生成报告、分析、代码 review 的：先把最简单的场景跑通——把 Claude Code 的输出管道进 Supertonic，听一次它读你的报告，感受一下这个工作流对你是不是真的有价值。如果有，再深度配置情绪标签和过滤规则。
有量化策略内容、对隐私敏感的：Supertonic 是目前我测过的少数几个真正设备端全程的 TTS，如果你要在 TTS 里朗读任何包含策略逻辑的内容，它是目前最安全的选项。
只是好奇 TTS 能不能提升效率、还没有具体场景的：从朗读量化新闻摘要开始，每天让它读 10 分钟信息，手可以同时做其他操作——这是最低门槛的入门实验。
最后
眼睛是有带宽限制的，耳朵是空闲的。
把 Claude Code 的输出搬到耳朵里，是目前我做过的最省力的效率改造——不改流程，不换工具，只是加一个朗读层，注意力的连续性就上了一个台阶。
强烈推荐。如果你也在用 Claude Code + 量化工作流，评论区聊一下你的 hook 配置方式。
