Balabolka调用微软离线TTS引擎实战：文字转语音的本地化解决方案

1次阅读

没有评论

共计 1534 个字符，预计需要花费 4 分钟才能阅读完成。

在线 TTS 服务虽然方便，但存在几个明显的局限性：

网络依赖：必须保持网络连接，无法在无网络环境下使用
隐私风险：敏感文本需要上传到第三方服务器处理
延迟问题：网络波动会影响语音生成速度
成本因素：高频使用会产生可观的 API 调用费用

离线 TTS 方案正好可以解决这些问题，特别适合需要处理敏感数据或对实时性要求高的场景。

常见的开源 TTS 工具对比：

eSpeak
优点：体积小，支持多种语言
缺点：语音生硬，不自然
适用场景：对语音质量要求不高的嵌入式系统
Balabolka+ 微软 TTS
优点：语音自然流畅，接近真人发音
缺点：需要安装额外的语音包
适用场景：需要高质量语音输出的应用

下载对应的语音包（以中文为例）：
Windows 10/11：搜索下载 ”Microsoft Huihui Desktop” 语音包
Windows 7：需要先安装 SAPI5.1 运行时
安装步骤：
双击下载的语音包安装程序
选择安装位置（建议保持默认）
完成安装后，在控制面板的 ” 语音识别 ” 中确认语音引擎已安装

下载安装 Balabolka（官网：http://www.cross-plus-a.com/balabolka.htm）
语音引擎绑定：
打开软件，点击菜单 ” 语音 ”→” 语音设置 ”
在 ” 语音选择 ” 下拉菜单中，选择 ”Microsoft Huihui Desktop”
调整语速和音量参数（建议初始值：语速 0，音量 100）
测试语音输出：
在文本框中输入测试内容
点击 ” 朗读 ” 按钮检查效果

@echo off
set input=text.txt
set output=output.mp3
set voice="Microsoft Huihui Desktop"
set rate=0
set volume=100

"C:\Program Files\Balabolka\balcon.exe" -f %input% -w %output% -n %voice% -s %rate% -v %volume%

确保文本文件保存为 UTF- 8 编码
在 Balabolka 设置中，勾选 ” 检测 UTF- 8 编码 ” 选项

打开注册表编辑器（regedit）
导航到：
HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Speech\Voices\Tokens\TTS_MS_ZH-CN_HUIHUI_11.0
新建 DWORD 值：BufferSize，设置为十进制5000

切换语音前，先调用 balcon -q 命令结束当前语音进程
添加适当的延迟（建议 500ms）后再启动新语音

import win32com.client

def text_to_speech(text, voice="Microsoft Huihui Desktop"):
    speaker = win32com.client.Dispatch("SAPI.SpVoice")
    speaker.Voice = speaker.GetVoices().Item(voice)
    speaker.Rate = 0
    speaker.Volume = 100
    speaker.Speak(text)