Edge TTS ：微软新一代文本转语音引擎(注意：Edge TTS使用需要联网)

Edge TTS 是微软基于其 Edge 浏览器内置的语音合成技术开发的免费开源库，提供业界领先的神经网络语音合成能力。

核心优势

1. 顶级语音质量：

   • 使用深度神经网络生成接近人声的语音
   • 支持自然的情感表达和语调变化
   • 提供媲美商业TTS服务的声音品质

2. 丰富的语音选择：

   • 支持100+种声音和40+种语言
   • 中文提供多种方言和风格选择
   • 包含不同年龄、性别和风格的声音角色

3. 精细参数控制：

   rate="+20%"   # 语速调整范围：-50% ~ +100%
   pitch="+10Hz" # 音高调整范围：-100Hz ~ +100Hz
   volume="+5%"  # 音量调整范围：-100% ~ +100%
   

安装与配置

# 安装核心库
pip install edge-tts

# 可选：安装播放功能依赖
pip install playsound  # 跨平台音频播放

完整使用指南

基础使用：文本转MP3

import asyncio
from edge_tts import Communicate

async def tts_conversion():
    communicate = Communicate(
        text="微软Edge TTS提供卓越的语音合成体验",
        voice="zh-CN-XiaoxiaoNeural",  # 选择声音
        rate="+10%",  # 加速10%
    )
    
    await communicate.save("output.mp3")  # 保存为MP3

asyncio.run(tts_conversion())

实时语音播放

from edge_tts import Communicate
import asyncio

async def live_tts():
    communicate = Communicate(
        text="正在实时播放合成语音",
        voice="zh-CN-YunxiNeural"
    )
    
    async for chunk in communicate.stream():
        if chunk["type"] == "audio":
            # 此处可连接音频设备实时输出
            pass
        elif chunk["type"] == "WordBoundary":
            print(f"单词边界: {chunk['offset']}ms")

asyncio.run(live_tts())

高级功能：SSML语音标记

ssml_text = """
<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="zh-CN">
    <voice name="zh-CN-XiaoyiNeural">
        普通语音 <break time="500ms"/>
        <prosody rate="fast" pitch="high">加速的高音调语音</prosody>
        <prosody volume="loud">强调的重要内容!</prosody>
    </voice>
</speak>
"""

async def ssml_tts():
    communicate = Communicate(ssml=ssml_text)
    await communicate.save("ssml_output.mp3")

中文语音库推荐

命令行工具技巧

1. 查看所有中文声音：

   edge-tts --list-voices | grep "Chinese"
   

2. 直接生成语音文件：

   edge-tts --voice zh-CN-XiaoxiaoNeural --text "命令行直接生成" --write-media output.mp3
   

3. 文本文件转换：

   edge-tts --file input.txt --write-media output.mp3
   

高级应用场景

1. 有声书生成：

   with open("novel.txt", "r") as f:
       chapters = f.read().split("CHAPTER_SEPARATOR")
   
   for i, chapter in enumerate(chapters):
       communicate = Communicate(text=chapter, voice="zh-CN-YunyangNeural")
       await communicate.save(f"chapter_{i+1}.mp3")
   

2. 动态语音助手：

   async def voice_response(query):
       # 根据查询内容选择不同声音
       voice = "zh-CN-XiaoxiaoNeural" if "女性" in query else "zh-CN-YunxiNeural"
       communicate = Communicate(text=generate_answer(query), voice=voice)
       
       # 流式传输到音频设备
       audio_stream = communicate.stream()
       async for chunk in audio_stream:
           if chunk["type"] == "audio":
               audio_device.play(chunk["data"])
   

性能优化技巧

1. 并行处理：

   async def batch_tts(texts):
       tasks = [Communicate(text=t).save(f"output_{i}.mp3") 
                for i, t in enumerate(texts)]
       await asyncio.gather(*tasks)
   

2. 缓存机制：

   from diskcache import Cache
   
   cache = Cache("tts_cache")
   
   async def cached_tts(text, voice):
       key = f"{voice}-{hash(text)}"
       if key not in cache:
           comm = Communicate(text=text, voice=voice)
           cache[key] = await comm.synthesize()
       return cache[key]
   

常见问题解决

Q: 遇到RuntimeError: Event loop is closed错误？

# 解决方案：使用以下事件循环管理
import nest_asyncio
nest_asyncio.apply()

Q: 如何解决代理问题？

Communicate(
    text="需要代理访问的内容",
    proxy="http://your-proxy:port"
)

Q: 长文本处理超时？

# 增加超时时间（默认60秒）
communicate = Communicate(text=long_text, timeout=180)

与其他工具集成

1. 结合PyAudio实时输出：

   import pyaudio
   
   p = pyaudio.PyAudio()
   stream = p.open(format=pyaudio.paInt16, channels=1, rate=24000, output=True)
   
   async for chunk in communicate.stream():
       if chunk["type"] == "audio":
           stream.write(chunk["data"])
   

2. 集成到Web应用：

   from fastapi import FastAPI
   from fastapi.responses import FileResponse
   
   app = FastAPI()
   
   @app.get("/tts")
   async def tts_endpoint(text: str):
       communicate = Communicate(text=text, voice="zh-CN-XiaoxiaoNeural")
       await communicate.save("temp.mp3")
       return FileResponse("temp.mp3")