Python中edge-tts實現(xiàn)便捷語音合成

更新時間：2025年05月06日 11:31:28 作者：T0uken

edge-tts是一個功能強大的Python庫,支持多種語言和聲音選項,本文主要介紹了Python中edge-tts實現(xiàn)便捷語音合成,具有一定的參考價值,感興趣的可以了解一下

edge-tts 是一個功能強大的 Python 庫，利用 Microsoft Azure 的云端文本到語音（TTS）服務，支持多種語言和聲音選項，能夠生成高質(zhì)量、自然聽感的語音輸出。它支持多種音頻格式，包括 MP3、WAV 和 OGG，適用于在本地或服務器上進行文本轉(zhuǎn)換為語音的應用程序，可以通過簡單的 API 調(diào)用進行部署和運行，非常適合語音助手、教育應用和音頻內(nèi)容制作等多種場景。

安裝與環(huán)境設置

首先，確保您已經(jīng)安裝了 edge-tts 庫：

pip install edge-tts

安裝完成后，您可以開始進行語音合成相關的功能開發(fā)。

文本轉(zhuǎn)語音

在這個章節(jié)，我們將展示如何實現(xiàn)一個基礎功能：傳入文本并生成語音，保存為音頻文件。該功能使用固定的語音并將語音保存為 .mp3 文件。執(zhí)行后會生成 weather.mp3 音頻文件，包含了合成的中文語音。

import asyncio
import edge_tts

def generate_audio(text: str, voice: str, output_file: str) -> None:
    """
    傳入文本、語音及輸出文件名，生成語音并保存為音頻文件
    :param text: 需要合成的中文文本
    :param voice: 使用的語音類型，如 'zh-CN-XiaoyiNeural'
    :param output_file: 輸出的音頻文件名
    """
    async def generate_audio_async() -> None:
        """異步生成語音"""
        communicate = edge_tts.Communicate(text, voice)
        await communicate.save(output_file)

    # 異步執(zhí)行生成音頻
    asyncio.run(generate_audio_async())

# 示例調(diào)用
generate_audio("今天天氣不錯，適合出門玩耍。", "zh-CN-XiaoyiNeural", "weather.mp3")

generate_audio()：這是主函數(shù)，接收文本、語音和輸出文件名作為參數(shù)。
異步函數(shù) generate_audio_async() 實現(xiàn)語音合成。
asyncio.run() 用于運行異步代碼。

查找音色

在此章節(jié)中，我們將展示如何查找符合特定條件的語音，并將符合條件的語音列表打印給用戶，而不進行進一步的操作。此方法僅列出符合條件的語音，并打印出每個語音的名稱、性別和語言。

import asyncio
import edge_tts
from edge_tts import VoicesManager

async def print_available_voices(language: str = "zh", gender: str = None) -> None:
    """
    異步查找并打印符合特定條件的語音列表。
    :param language: 語音的語言，如 "zh-CN" 表示中文
    :param gender: 可選參數(shù)，選擇語音的性別（"Male" 或 "Female"），默認不指定
    """
    # 異步獲取所有可用語音
    voices = await VoicesManager.create()

    # 根據(jù)語言過濾語音
    filtered_voices = voices.find(Language=language)
    if gender:
        filtered_voices = [voice for voice in filtered_voices if voice["Gender"] == gender]
    
    # 打印符合條件的語音
    if filtered_voices:
        print(f"符合條件的語音：")
        for voice in filtered_voices:
            print(f"語音名稱: {voice['Name']}, 性別: {voice['Gender']}, 語言: {voice['Language']}")
    else:
        print(f"沒有找到符合條件的語音：語言={language}, 性別={gender}")

# 示例調(diào)用
async def main():
    await print_available_voices(language="zh", gender="Female")

# 運行異步示例
if __name__ == "__main__":
    asyncio.run(main())

print_available_voices()：此函數(shù)是異步的，通過 await 來調(diào)用 VoicesManager.create()，并獲取語音列表。然后通過 voices.find() 根據(jù)語言和性別篩選語音。

更改語音參數(shù)

除了選擇不同的音色外，edge-tts 還允許用戶在合成時對語音的音量、語速、音調(diào)等參數(shù)進行調(diào)整。通過 Communicate 類中的 rate、pitch 和 volume 參數(shù)，可以動態(tài)控制生成的語音效果。

import edge_tts

def generate_audio_with_custom_params(text: str, output_file: str, rate: str = "+0%", pitch: str = "+0Hz", volume: str = "+0%") -> None:
    """
    生成帶有自定義語音參數(shù)的音頻
    :param text: 需要合成的中文文本
    :param output_file: 輸出的音頻文件名
    :param rate: 語速調(diào)整（默認為 "+0%"，表示標準語速）
    :param pitch: 音調(diào)調(diào)整（默認為 "+0Hz"，表示標準音調(diào)）
    :param volume: 音量調(diào)整（默認為 "+0%"，表示標準音量）
    """
    # 選擇中文語音，這里使用的是小藝的 Neural 語音
    voice = "zh-CN-XiaoyiNeural"  
    
    # 使用 edge_tts.Communicate 創(chuàng)建語音對象，并傳入自定義參數(shù)
    communicate = edge_tts.Communicate(text, voice, rate=rate, pitch=pitch, volume=volume)
    
    # 保存生成的音頻文件
    communicate.save_sync(output_file)
    print(f"音頻已生成，語速: {rate}，音調(diào): {pitch}，音量: {volume}。")

# 示例調(diào)用
generate_audio_with_custom_params(
    "歡迎體驗自定義語音合成！", 
    "custom_param_audio.wav", 
    rate="+50%", 
    pitch="+10Hz", 
    volume="-20%"
)

rate（語速）：控制語速的調(diào)整。默認值為 "+0%"，表示標準語速。
pitch（音調(diào)）：控制音調(diào)的調(diào)整，單位是 Hz。默認值為 "+0Hz"，表示標準音調(diào)。
volume（音量）：控制音量的調(diào)整，單位是百分比。默認值為 "+0%"，表示標準音量。

生成音頻與字幕

在某些應用場景中，您可能需要同時生成音頻和字幕，并根據(jù)需要選擇同步或異步方式進行處理。這個章節(jié)展示了如何通過 edge-tts 實現(xiàn)同步和異步生成音頻和字幕文件。執(zhí)行后，會生成音頻文件和對應的字幕文件。

import asyncio
import edge_tts

def process_audio_and_subtitles_sync(text: str, voice: str, output_file: str, srt_file: str) -> None:
    """
    同步生成音頻并實時生成字幕
    :param text: 需要合成的中文文本
    :param voice: 使用的語音類型
    :param output_file: 輸出的音頻文件名
    :param srt_file: 輸出的字幕文件名
    """
    communicate = edge_tts.Communicate(text, voice)
    submaker = edge_tts.SubMaker()

    # 同步生成音頻并實時生成字幕
    with open(output_file, "wb") as audio_file:
        for chunk in communicate.stream_sync():
            if chunk["type"] == "audio":
                audio_file.write(chunk["data"])  # 寫入音頻數(shù)據(jù)
            elif chunk["type"] == "WordBoundary":
                submaker.feed(chunk)  # 處理字幕

    # 保存字幕文件
    with open(srt_file, "w", encoding="utf-8") as subtitle_file:
        subtitle_file.write(submaker.get_srt())

async def process_audio_and_subtitles_async(text: str, voice: str, output_file: str, srt_file: str) -> None:
    """
    異步生成音頻并實時生成字幕
    :param text: 需要合成的中文文本
    :param voice: 使用的語音類型
    :param output_file: 輸出的音頻文件名
    :param srt_file: 輸出的字幕文件名
    """
    # 異步調(diào)用同步版本的邏輯
    loop = asyncio.get_event_loop()
    await loop.run_in_executor(None, process_audio_and_subtitles_sync, text, voice, output_file, srt_file)

# 示例調(diào)用
process_audio_and_subtitles_sync("歡迎使用 Python 進行語音合成！", "zh-CN-XiaoyiNeural", "audio_sync.mp3", "audio_sync.srt")

# 異步調(diào)用
asyncio.run(process_audio_and_subtitles_async("這是一段測試語音和字幕生成的示例。", "zh-CN-XiaoyiNeural", "audio_async.mp3", "audio_async.srt"))