企业官网建设流程全解析

edge-tts 免费语音合成教程：5 分钟让文字开口说话

【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

上次给 200 条字幕逐句配语音，你卡在第几条？如果一想到配音就头疼，可以停下手头的活看 5 分钟——edge-tts是一个 Python 工具，直接调用微软 Edge 内置的在线语音合成服务，不用申请 API 密钥、不依赖 Windows，把文本变成自然流畅的 MP3，一分钱不花。

🎧 它能替你搞定什么

免费调用微软级语音合成— 不订阅、不要密钥、不用装 Edge 浏览器，浏览器"大声朗读"背后那套神经网络语音引擎直接拿来用。

上百种语言、多种音色— 普通话、英语、法语、阿拉伯语……每种语言都有好几个男声女声，列表里还标了每个音色的性格特点。

音频和字幕一次出齐— 生成 MP3 的同时顺手产出带时间轴的 SRT 字幕，不用在剪辑软件里逐句对轨。

命令行和代码两个入口— 用edge-tts命令快速出音频，或在代码里 importedge_tts模块，看你顺手用哪个。

🚀 从零到跑通

1. 装好 edge-tts

一条命令，半分钟的事：

pip install edge-tts

跑完没报错就算装好了。如果你只打算用命令、不写代码，pipx install edge-tts更干净，会装在独立环境里。

2. 生成第一句语音

装完别急着写代码，先让它开口：

edge-tts --text "你好，这是你的第一句合成语音" --write-media hello.mp3

跑完会在当前目录生成hello.mp3，用任意播放器打开，是一段挺自然的默认英文女声。

3. 列出所有语音，挑一个喜欢的

默认音色是英文的，中文用户得先换人：

edge-tts --list-voices

输出一张表：音色名、性别、适用场景、性格。搜zh-找普通话，zh-CN-XiaoxiaoNeural（甜美女声）和zh-CN-YunxiNeural（男声）用得最多。

4. 加参数，一次出音频加字幕

edge-tts --voice zh-CN-XiaoxiaoNeural --text "今天讲 Python 入门" \ --write-media lesson.mp3 --write-subtitles lesson.srt

跑完得到两个文件：音频和 SRT 字幕，时间点由服务自动对齐，不用手动调。

一句话总结：到这里你只敲了四条命令，就拥有了"文字 → 人声 + 字幕"的完整产线。

🎬 三个真实场景，直接抄作业

场景一：电子书章节转有声书

痛点：一章五万字的书，人工读出来不现实。 解法：用--file把整个文本文件喂给命令，长文本会被自动切块合成，顺手用--rate调快一点更像播客。

edge-tts --file chapter1.txt --voice zh-CN-XiaoxiaoNeural \ --rate=+10% --write-media chapter1.mp3 --write-subtitles chapter1.srt

效果：一章变成一份 mp3 加一份 srt，直接拖进播放器或剪辑软件就是成品。

场景二：批量给短视频配音

痛点：一个短剧拆出 20 个字幕文件，逐个生成音频太慢。 解法：命令天然适合 shell 循环，一个 for 循环扫完整个文件夹。

mkdir -p aud for f in subs/*.txt; do edge-tts --file "$f" --write-media "aud/$(basename "${f%.txt}").mp3" done

效果：跑一遍，aud/目录里音频和字幕文件一一对应，直接进剪辑软件铺轨。

场景三：终端里直接听效果

痛点：每次换音色都要先生成文件再播放，反馈回路太长。 解法：用配套的edge-playback命令，边合成边播放，等价于"打字即发声"。

edge-playback --text "外卖已送达，请开门"

效果：话音立刻从扬声器出来。注意非 Windows 系统要先装 mpv 播放器。

🔌 写进你的项目（代码集成）

如果你只需要在 Flask 或 FastAPI 接口里返回一个 mp3 文件，下面这段同步写法就够：

import edge_tts def make_speech(text: str, voice: str = "zh-CN-XiaoxiaoNeural") -> str: """生成语音，返回本地 mp3 路径""" out = "speech.mp3" communicate = edge_tts.Communicate(text, voice, rate="+10%") communicate.save_sync(out) # 第二个参数可传字幕 json 路径 return out

生产环境注意：

• 调用外面包一层重试（指数退避），并设置connect_timeout/receive_timeout，防止网络抖动时长时间挂住。
• 批量任务给Communicate传入共享的aiohttpconnector复用连接，并发控制在 4~8，避免触发服务限流。
• 长文本不用手动切，库会按 4096 字节、优先在换行/空格处自动切块，并清掉控制字符（比如 OCR 出来的竖制表符）。

🛠 踩坑速查 & 调优手册

踩坑

• 报NoAudioReceived或 403→ 服务端拒绝了请求，通常是请求签名过期或系统时钟不准。解法：先pip install -U edge-tts升到最新版，再确认系统时间开了自动同步。
• --rate -30%不生效或报错→ 负值被当成了新的命令行选项。写成等号形式：edge-tts --rate=-30% --text "..."。
• edge-playback在 Linux/macOS 没声音→ 缺 mpv。brew install mpv或sudo apt install mpv；不做实时播放可以无视这条。

调优

• 用--list-voices的输出当素材，按语言 + 性别过滤候选，批量试听再定稿。
• rate和volume用百分比、pitch用 Hz；教学片-30%降速，沉稳感用-20Hz降调。
• 长文本一律走--file参数，绕开终端引号转义的坑。
• 字幕粒度可在Communicate构造函数里设boundary，支持词级和句级两种。

🧭 接下来去哪儿

完整示例代码在 examples/ 目录，更多 CLI 参数看 README.md，想深入原理就翻 src/edge_tts/ 下的communicate.py和voices.py。基于它做二次开发时，建议 fork 一份或写独立脚本，不要直接改仓库里的源码。

以前需要付费 API 才能搞定的语音合成，现在离你只差一条 pip 命令。打开终端，输入pip install edge-tts，30 秒后你会听到第一句合成语音。

【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