企业官网建设流程全解析

edge-tts 快速指南：30 秒生成第一条 Edge 在线语音，无需浏览器与 API Key

【免费下载链接】edge-ttsUse Microsoft Edge's online text-to-speech service from Python WITHOUT needing Microsoft Edge or Windows or an API key项目地址: https://gitcode.com/GitHub_Trending/ed/edge-tts

想让一段文字变成人声，通常只有两条路：装一个笨重的语音引擎，或者向云厂商付费申请 API 密钥。edge-tts 给出了第三条路——它直接调用 Microsoft Edge 的在线文本转语音服务，不需要安装 Edge 浏览器、不需要 Windows 系统，也不要用任何 API Key。它既能作为 Python 模块嵌进你的项目，也提供edge-tts和edge-playback两条命令行，三十秒就能跑通第一条语音。

先装好，再跑通第一条命令

只打算敲命令，用 pipx 装更干净，它会把工具隔离在独立环境里，不污染系统 Python；打算在代码里import，就装进自己的虚拟环境：

pipx install edge-tts # 只要命令行 pip install edge-tts # 要在 Python 代码中使用

然后一条命令完成"文字 → mp3 + 字幕"：

edge-tts --text "Hello, world!" --write-media hello.mp3 --write-subtitles hello.srt

--write-media决定音频落盘位置，--write-subtitles会同步生成逐词计时的 SRT 字幕。别省掉这个参数，否则字幕得事后自己重新对齐，费时费力。

不想等文件生成？用 edge-playback 边生成边出声

edge-playback --text "Hello, world!"

这条命令会把语音直接播出来并配上字幕，等于把"合成 + 播放器"合体了。它有两个前提要知道：非 Windows 系统需要先装 mpv 命令行播放器；--write-media、--write-subtitles、--list-voices三个选项它不认识——它的职责只是"念出来"，写文件和列表的事归edge-tts管。

一条命令列出全部可用语音

edge-tts --list-voices

输出是一张包含名称、性别、适用内容类型、声音性格的表格，选语音就像查字典：先按语言代码圈范围，再按风格挑音色。比如让服务用埃及阿拉伯语女声念一句话：

edge-tts --voice ar-EG-SalmaNeural --text "مرحبا كيف حالك؟" --write-media hello_in_arabic.mp3 --write-subtitles hello_in_arabic.srt

语音代号和文本语言不匹配，念出来就会"驴唇不对马嘴"，所以先从同一语言段里挑。

想达到什么效果，就调哪个参数

服务开放了三个旋钮，都是相对默认值调整、默认值为 0：

• 想让朗读变慢或变快 →--rate，负值减速，正值加速
• 想让声音变小或变大 →--volume
• 想让音调变低或变高 →--pitch，单位是 Hz

有个语法坑：负值必须写成--rate=-50%这种带等号的格式，如果写成--rate -50%，命令行会把-50%误认成另一个选项，整条命令直接报错。想试听慢速效果，就试：

edge-tts --rate=-50% --text "Hello, world!" --write-media hello_with_rate_lowered.mp3 --write-subtitles hello_with_rate_lowered.srt

另外它不支持自定义 SSML——服务端只接受 Edge 浏览器自己生成的 SSML，但语速、音量、音调这些能调的参数早已通过命令行全部开放，实际用法并不因此受限。

写进 Python 代码：三种例子覆盖常见需求

代码集成可以直接翻 examples/ 目录下的六个示例，最常见的三种姿势：

• 同步生成：edge_tts.Communicate(text, voice).save_sync("test.mp3")一行搞定简单任务，见 sync_audio_gen_with_predefined_voice.py
• 流式 + 字幕：stream()逐块返回数据，音频块写盘、词句边界事件喂给SubMaker，最后取出 SRT，见 async_audio_streaming_with_predefined_voice_and_subtitles.py
• 动态换声音：每次合成前更换 voice 变量，见 async_audio_gen_with_dynamic_voice_selection.py

选流式而不是"全部回来再落盘"的原因：音频边合成边写盘，不占大内存，长文本任务也不容易卡在最后一步。

长文本和弱网：为什么有时快有时慢

edge-tts 是在线服务，生成速度基本等于网速。光纤这种 50Mbps 以上的环境，长段落几秒就回来；低于 10Mbps 时，长文本特别容易卡顿甚至连接中断。所以遇到长文本，最稳的做法是分段合成再拼接：

• 长文本用--file从文件读入（也支持-表示标准输入），而不是硬塞给--text，省掉一堆 shell 引号转义问题
• 弱网或有网络限制的环境，加--proxy指定代理，它对合成和列出语音都生效

分段的真正好处是缩小失败面：某一段挂了只需重跑那一段，不至于整篇推倒重来。

边界与坑：提前知道，少踩一半

• 离不开网络：它是远端服务，没有离线模式，别设计"断网可用"的功能
• 长文本有长度限制：分段不是建议，是必要操作
• 播放依赖环境：edge-playback在 Linux / macOS 上要先装 mpv，Windows 除外
• 声音不通用：特定语言在列表里通常只有几个可选，先从语言代码入手，再按风格挑音色

打开终端，敲下你的第一条命令，听听它念出来的声音——这比看十篇教程都直接。

【免费下载链接】edge-ttsUse Microsoft Edge's online text-to-speech service from Python WITHOUT needing Microsoft Edge or Windows or an API key项目地址: https://gitcode.com/GitHub_Trending/ed/edge-tts