【Python】edge-tts ：便捷语音合成

edge-tts 是一个功能强大的 Python 库，使用 Microsoft Azure 的云端文本到语音（TTS）服务，支持多种语言和声音选项，可以或许生成高质量、天然听感的语音输出。它支持多种音频格式，包括 MP3、WAV 和 OGG，适用于在本地或服务器上进行文本转换为语音的应用程序，可以通过简朴的 API 调用进行部署和运行，非常得当语音助手、教育应用和音频内容制作等多种场景。
  安装与情况设置

起首，确保您已经安装了 edge-tts 库：

1. pip install edge-tts

复制代码

安装完成后，您可以开始进行语音合成相关的功能开辟。
文本转语音

在这个章节，我们将展示如何实现一个底子功能：传入文本并生成语音，生存为音频文件。该功能使用固定的语音并将语音生存为 .mp3 文件。执行后会生成 weather.mp3 音频文件，包含了合成的中文语音。

1. import asyncio
2. import edge_tts
4. def generate_audio(text: str, voice: str, output_file: str) -> None:
5.     """
6.     传入文本、语音及输出文件名，生成语音并保存为音频文件
7.     :param text: 需要合成的中文文本
8.     :param voice: 使用的语音类型，如 'zh-CN-XiaoyiNeural'
9.     :param output_file: 输出的音频文件名
10.     """
11.     async def generate_audio_async() -> None:
12.         """异步生成语音"""
13.         communicate = edge_tts.Communicate(text, voice)
14.         await communicate.save(output_file)
16.     # 异步执行生成音频
17.     asyncio.run(generate_audio_async())
19. # 示例调用
20. generate_audio("今天天气不错，适合出门玩耍。", "zh-CN-XiaoyiNeural", "weather.mp3")

复制代码

• generate_audio()：这是主函数，吸收文本、语音和输出文件名作为参数。
  
• 异步函数 generate_audio_async() 实现语音合成。
  
• asyncio.run() 用于运行异步代码。
  

查找音色

在此章节中，我们将展示如何查找符合特定条件的语音，并将符合条件的语音列表打印给用户，而不进行进一步的操作。此方法仅列出符合条件的语音，并打印出每个语音的名称、性别和语言。

1. import asyncio
2. import edge_tts
3. from edge_tts import VoicesManager
5. async def print_available_voices(language: str = "zh", gender: str = None) -> None:
6.     """
7.     异步查找并打印符合特定条件的语音列表。
8.     :param language: 语音的语言，如 "zh-CN" 表示中文
9.     :param gender: 可选参数，选择语音的性别（"Male" 或 "Female"），默认不指定
10.     """
11.     # 异步获取所有可用语音
12.     voices = await VoicesManager.create()
14.     # 根据语言过滤语音
15.     filtered_voices = voices.find(Language=language)
16.     if gender:
17.         filtered_voices = [voice for voice in filtered_voices if voice["Gender"] == gender]
18.    
19.     # 打印符合条件的语音
20.     if filtered_voices:
21.         print(f"符合条件的语音：")
22.         for voice in filtered_voices:
23.             print(f"语音名称: {voice['Name']}, 性别: {voice['Gender']}, 语言: {voice['Language']}")
24.     else:
25.         print(f"没有找到符合条件的语音：语言={language}, 性别={gender}")
27. # 示例调用
28. async def main():
29.     await print_available_voices(language="zh", gender="Female")
31. # 运行异步示例
32. if __name__ == "__main__":
33.     asyncio.run(main())

复制代码

• print_available_voices()：此函数是异步的，通过 await 来调用 VoicesManager.create()，并获取语音列表。然后通过 voices.find() 根据语言和性别筛选语音。
  

更改语音参数

除了选择不同的音色外，edge-tts 还允许用户在合成时对语音的音量、语速、音调等参数进行调解。通过 Communicate 类中的 rate、pitch 和 volume 参数，可以动态控制生成的语音结果。

1. import edge_tts
3. def generate_audio_with_custom_params(text: str, output_file: str, rate: str = "+0%", pitch: str = "+0Hz", volume: str = "+0%") -> None:
4.     """
5.     生成带有自定义语音参数的音频
6.     :param text: 需要合成的中文文本
7.     :param output_file: 输出的音频文件名
8.     :param rate: 语速调整（默认为 "+0%"，表示标准语速）
9.     :param pitch: 音调调整（默认为 "+0Hz"，表示标准音调）
10.     :param volume: 音量调整（默认为 "+0%"，表示标准音量）
11.     """
12.     # 选择中文语音，这里使用的是小艺的 Neural 语音
13.     voice = "zh-CN-XiaoyiNeural"  
14.    
15.     # 使用 edge_tts.Communicate 创建语音对象，并传入自定义参数
16.     communicate = edge_tts.Communicate(text, voice, rate=rate, pitch=pitch, volume=volume)
17.    
18.     # 保存生成的音频文件
19.     communicate.save_sync(output_file)
20.     print(f"音频已生成，语速: {rate}，音调: {pitch}，音量: {volume}。")
22. # 示例调用
23. generate_audio_with_custom_params(
24.     "欢迎体验自定义语音合成！",
25.     "custom_param_audio.wav",
26.     rate="+50%",
27.     pitch="+10Hz",
28.     volume="-20%"
29. )

复制代码

• rate（语速）：控制语速的调解。默认值为 "+0%"，表示尺度语速。
  
• pitch（音调）：控制音调的调解，单位是 Hz。默认值为 "+0Hz"，表示尺度音调。
  
• volume（音量）：控制音量的调解，单位是百分比。默认值为 "+0%"，表示尺度音量。
  

生成音频与字幕

在某些应用场景中，您可能需要同时生成音频和字幕，并根据需要选择同步或异步方式进行处理。这个章节展示了如何通过 edge-tts 实现同步和异步生成音频和字幕文件。执行后，会生成音频文件和对应的字幕文件。

1. import asyncio
2. import edge_tts
4. def process_audio_and_subtitles_sync(text: str, voice: str, output_file: str, srt_file: str) -> None:
5.     """
6.     同步生成音频并实时生成字幕
7.     :param text: 需要合成的中文文本
8.     :param voice: 使用的语音类型
9.     :param output_file: 输出的音频文件名
10.     :param srt_file: 输出的字幕文件名
11.     """
12.     communicate = edge_tts.Communicate(text, voice)
13.     submaker = edge_tts.SubMaker()
15.     # 同步生成音频并实时生成字幕
16.     with open(output_file, "wb") as audio_file:
17.         for chunk in communicate.stream_sync():
18.             if chunk["type"] == "audio":
19.                 audio_file.write(chunk["data"])  # 写入音频数据
20.             elif chunk["type"] == "WordBoundary":
21.                 submaker.feed(chunk)  # 处理字幕
23.     # 保存字幕文件
24.     with open(srt_file, "w", encoding="utf-8") as subtitle_file:
25.         subtitle_file.write(submaker.get_srt())
27. async def process_audio_and_subtitles_async(text: str, voice: str, output_file: str, srt_file: str) -> None:
28.     """
29.     异步生成音频并实时生成字幕
30.     :param text: 需要合成的中文文本
31.     :param voice: 使用的语音类型
32.     :param output_file: 输出的音频文件名
33.     :param srt_file: 输出的字幕文件名
34.     """
35.     # 异步调用同步版本的逻辑
36.     loop = asyncio.get_event_loop()
37.     await loop.run_in_executor(None, process_audio_and_subtitles_sync, text, voice, output_file, srt_file)
39. # 示例调用
40. process_audio_and_subtitles_sync("欢迎使用 Python 进行语音合成！", "zh-CN-XiaoyiNeural", "audio_sync.mp3", "audio_sync.srt")
42. # 异步调用
43. asyncio.run(process_audio_and_subtitles_async("这是一段测试语音和字幕生成的示例。", "zh-CN-XiaoyiNeural", "audio_async.mp3", "audio_async.srt"))

复制代码

• process_audio_and_subtitles_sync：同步生成音频数据并实时生成字幕（SRT格式）。
  

• 使用 communicate.stream_sync() 获取音频数据流并处理每个“音频”和“词语界限”。
  

• process_audio_and_subtitles_async：通过 asyncio.run_in_executor 异步调用同步版本的 process_audio_and_subtitles_sync，确保异步函数可以高效地运行。
  

总结

通过本教程，您学习了如何使用 edge-tts 库实现文本到语音的转换。您通过不同的函数实现了以下功能：

• 底子文本转语音
  
• 动态选择语音生成语音
  
• 生成音频流和字幕
  

渴望这篇教程可以或许资助您熟练使用 edge-tts 库进行中文语音合成！

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。