Python Edge-TTS 实战：5分钟实现零配置语音合成

1次阅读

共计 2388 个字符，预计需要花费 6 分钟才能阅读完成。

传统 TTS 服务如 Azure 或 Google Cloud 通常需要：

注册开发者账号
申请 API 密钥
面临按字符计费的成本
需要稳定的网络连接

而 edge-tts 直接调用了微软 Edge 浏览器的语音合成接口，完全免费且不需要任何认证。更关键的是：

支持 200+ 种语音（含中文普通话、粤语等）
无需 GPU 环境
单次调用可处理超长文本（实测支持 5000+ 字符）

pip install edge-tts

2. 核心方法 `Communicate()` 详解

import edge_tts

# NOTE: 基本调用示例
voice = edge_tts.Communicate(
    text="你好，世界",  # 支持直接传入字符串
    voice="zh-CN-YunxiNeural",  # 语音模型标识
    rate="+10%",  # 语速调节(-50% 到 +100%)
    volume="+0%"  # 音量调节(-50% 到 +50%)
)

通过 edge-tts --list-voices 命令可获取全部语音列表，中文常用选项：

zh-CN-YunxiNeural（男声）
zh-CN-YunxiaNeural（女声带情感）
zh-HK-HiuGaaiNeural（粤语女声）

切换语音示例：

# 英文语音示例
en_voice = edge_tts.Communicate(
    text="Hello world",
    voice="en-US-AriaNeural"
)

方案一：保存为 MP3 文件

import asyncio

async def save_speech() -> None:
    voice = edge_tts.Communicate(
        text="保存到本地文件",
        voice="zh-CN-YunxiNeural"
    )
    await voice.save("output.mp3")  # NOTE: 自动处理文件关闭

asyncio.run(save_speech())

方案二：内存流处理（适合 Web 应用）

from io import BytesIO

async def get_audio_stream() -> BytesIO:
    buffer = BytesIO()
    voice = edge_tts.Communicate(
        text="流式音频数据",
        voice="zh-CN-YunxiNeural"
    )
    async for chunk in voice.stream():
        buffer.write(chunk)
    buffer.seek(0)
    return buffer

当文本包含双引号时会导致 SSML 解析失败：

# 错误示例（会报错）text = '他说：" 你好 "'

# 正确做法（转义或更换引号）text = "他说：' 你好 '"  # 方案 1
text = '他说：\" 你好 \"'  # 方案 2

在 Docker 中运行时可能遇到：

RuntimeError: Event loop is closed

解决方案是在入口文件添加：

import asyncio
import nest_asyncio

nest_asyncio.apply()  # NOTE: 修复事件循环冲突

测试环境：MacBook Air M1/16GB

文本长度	耗时	内存占用
500 字	2.1s	45MB
1000 字	4.3s	48MB
5000 字	21.5s	55MB

from pathlib import Path

async def generate_speech(
    text: str,
    voice: str = "zh-CN-YunxiNeural",
    output_path: Path = Path("output.mp3")
) -> None:
    """生成语音并保存到文件"""
    voice = edge_tts.Communicate(text=text, voice=voice)
    await voice.save(output_path)

即使使用 save() 方法自动关闭文件，仍推荐显式管理：

async with edge_tts.Communicate(text="...") as voice:
    with open("output.mp3", "wb") as f:
        async for chunk in voice.stream():
            f.write(chunk)

from fastapi import FastAPI, Response

app = FastAPI()

@app.get("/tts")
async def text_to_speech(text: str):
    voice = edge_tts.Communicate(text=text)
    buffer = BytesIO()
    async for chunk in voice.stream():
        buffer.write(chunk)
    return Response(content=buffer.getvalue(),
        media_type="audio/mpeg"
    )

在屏幕阅读器中集成：

def alert_visually_impaired(message: str) -> None:
    """为视障用户提供语音提示"""
    voice = edge_tts.Communicate(
        text=message,
        voice="zh-CN-YunxiNeural",
        rate="-20%"  # 降低语速便于理解
    )
    voice.save("/dev/audio")  # Linux 系统直接输出到音频设备

edge-tts 特别适合需要快速验证语音功能或资源受限的场景。对于正式产品，建议注意：