尧图网页设计 
语音音频AI 应用【免费下载链接】edge-ttsUse Microsoft Edges 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点击查看免费下载edge-tts是一个纯 Python 实现的开源语音合成TTS模块它直接复用微软 Edge 浏览器内置的在线文本转语音服务无需安装 Edge 浏览器、无需 Windows 系统、更不需要申请任何 API Key只需联网即可把文本合成为 MP3 音频并可选生成 SRT 字幕。本文以仓库根目录的 README.md 为主线结合 src/edge_tts/util.py、src/edge_tts/communicate.py、src/edge_tts/voices.py 等源码与 examples 示例系统讲解安装、命令行使用、参数调节、Python 模块调用与底层实现原理读完即可在自己的项目里落地使用。一、edge-tts 是什么按照项目说明edge-tts是一个 Python 模块允许你在自己的 Python 代码中或通过项目自带的edge-tts与edge-playback两个命令行工具直接使用微软 Edge 的在线文本转语音服务。它有几个鲜明的特点零依赖浏览器不需要安装或启动 Microsoft Edge 浏览器本身跨平台不要求 Windows在 Linux、macOS 等系统上同样可用免 API Key不涉及微软云语音服务的账号、鉴权与计费代码内部模拟 Edge 浏览器的请求流程双入口既可作为edge-tts/edge-playback命令使用也可作为 Python 库edge_tts在代码中调用。从源码看edge-tts的对外 API 十分精简见 src/edge_tts/init.py核心导出为Communicate负责与合成服务通信、SubMaker负责生成 SRT 字幕、VoicesManager/list_voices负责查询与筛选音色以及exceptions异常模块此外还暴露了__version__供程序识别版本。二、安装与依赖1. 通过 pip 安装Python 库 命令行$ pip install edge-tts安装后同时获得Python 模块edge_tts可在代码中import edge_tts命令行程序edge-tts与edge-playback入口分别定义于 src/edge_tts/main.py 与 src/edge_playback/main.py。2. 只想用命令行推荐 pipx如果你仅仅需要使用edge-tts和edge-playback两个命令而不打算在项目里import edge_tts官方建议使用pipx安装这样可以将工具隔离在独立环境中避免污染全局 Python 环境$ pipx install edge-tts3. edge-playback 的额外依赖mpvedge-playback命令用于“边合成边播放”。注意除 Windows 外使用edge-playback需要系统已安装 mpv 命令行播放器。项目代码在启动时会用which检查mpv是否在 PATH 中若缺失会直接报错退出见 src/edge_playback/main.py。Windows 上则默认走系统自带播放能力src/edge_playback/win32_playback.py不强制要求 mpv。三、命令行快速上手1. 基本用法合成并落盘最简单的用法是给出一段文本合成 MP3 音频并可同时输出 SRT 字幕$ edge-tts --text Hello, world! --write-media hello.mp3 --write-subtitles hello.srt执行完毕后当前目录会生成hello.mp3语音音频与hello.srt带时间轴的字幕文件。其中字幕是根据合成过程中的词边界/句边界事件由SubMaker组装出来的实现见 src/edge_tts/submaker.py。2. 即时播放edge-playback如果希望合成后立即播放并同步显示字幕可直接使用edge-playback$ edge-playback --text Hello, world!edge-playback内部的工作方式是先调用edge-tts命令把音频与字幕写入临时文件再交给mpvWindows 上使用系统播放器播放结束后自动清理临时文件见 src/edge_playback/main.py。它还支持通过环境变量控制调试信息与临时文件保留设置EDGE_PLAYBACK_DEBUG打印临时文件路径设置EDGE_PLAYBACK_KEEP_TEMP保留临时文件EDGE_PLAYBACK_MP3_FILE与EDGE_PLAYBACK_SRT_FILE可指定外部输出文件。需要注意的是edge-playback兼容所有edge-tts参数唯独--write-media、--write-subtitles、--list-voices三个选项除外播放器场景下文件由命令自行管理音色列表也无需播放。3. CLI 完整参数一览源自源码以下参数与默认值均来自 src/edge_tts/util.py 中argparse的实际定义参数别名说明默认值--text-t要合成语音的文本必选其一--file-f从文件读取文本-或/dev/stdin表示从标准输入读取必选其一--list-voices-l列出所有可用音色后退出无--voice-v指定音色en-US-EmmaMultilingualNeural--rate—语速如10%、-50%0%--volume—音量如-50%0%--pitch—音高如-50Hz、20Hz0Hz--write-media—音频输出到指定文件缺省时输出到标准输出无--write-subtitles—字幕输出到指定文件缺省时输出到 stderr无--proxy—为合成请求与音色列表请求设置代理无--version—输出版本号无其中--text、--file、--list-voices三者构成互斥组必须且只能提供其一。默认音色en-US-EmmaMultilingualNeural定义于 src/edge_tts/constants.py。四、切换语音--voice 与 --list-voices1. 查看全部可用音色$ edge-tts --list-voices输出为一个按音色名ShortName排序的表格包含四列Name音色名、Gender性别、ContentCategories内容类别、VoicePersonalities音色风格例如Name Gender ContentCategories VoicePersonalities --------------------------------- -------- --------------------- -------------------------------------- af-ZA-AdriNeural Female General Friendly, Positive af-ZA-WillemNeural Male General Friendly, Positive am-ET-AmehaNeural Male General Friendly, Positive am-ET-MekdesNeural Female General Friendly, Positive ar-AE-FatimaNeural Female General Friendly, Positive ar-AE-HamdanNeural Male General Friendly, Positive ar-BH-AliNeural Male General Friendly, Positive ar-BH-LailaNeural Female General Friendly, Positive ar-DZ-AminaNeural Female General Friendly, Positive ar-DZ-IsmaelNeural Male General Friendly, Positive ar-EG-SalmaNeural Female General Friendly, Positive ...列表较长此处仅展示开头部分。该表格由 src/edge_tts/util.py 中的_print_voices生成先调用list_voices()拉取全量音色再按ShortName排序并用tabulate输出。2. 指定音色合成通过--voice传入音色名即可指定说话人。例如用阿拉伯语音色ar-EG-SalmaNeural合成阿拉伯语文本$ edge-tts --voice ar-EG-SalmaNeural --text مرحبا كيف حالك؟ --write-media hello_in_arabic.mp3 --write-subtitles hello_in_arabic.srt音色名形如语言-地区-名称Neural如en-GB-SoniaNeural、zh-CN-XiaoxiaoNeural类。底层在发送请求前会把短名称规范化成服务端要求的完整格式Microsoft Server Speech Text to Speech Voice (语言-地区, 名称)这一转换在 TTSConfig 的初始化校验中完成。3. 默认音色与音色查询实现默认音色en-US-EmmaMultilingualNeural见 src/edge_tts/constants.py不传--voice时即使用它。查询实现list_voices()会向微软语音平台的音色列表接口发起请求URL 定义于 src/edge_tts/constants.py解析返回的 JSON并为每个音色补齐VoiceTag下的ContentCategories与VoicePersonalities字段见 src/edge_tts/voices.py。请求同样会附带Sec-MS-GEC防伪参数遇到 403 响应时还会调用 DRM 模块修正后重试一次。五、关于自定义 SSML已被移除的限制README 明确指出自定义 SSML 的支持已经被移除。原因是微软禁止使用任何无法由 Edge 浏览器自身生成的 SSML——服务端只允许在 SSML 中包含单个voice标签、其中仅含单个prosody标签。因此任何需要“定制 SSML”的场景例如拼接多语音、插入特殊标签都无法得到服务端支持。好消息是prosody标签内所有可用的自定义选项语速、音量、音高都已经通过库参数与命令行参数--rate、--volume、--pitch暴露出来开发者无需手写 SSML。这一点在源码中得到了印证communicate.py 的mkssml()函数生成的 SSML 恰好就是“speak→ 单个voice→ 单个prosody内含 pitch/rate/volume→ 转义后的文本”这一固定结构。六、调节语速、音量与音高1. 三个参数的取值规则参数取值格式示例--rate百分比如10%、-50%语速提高/降低--volume百分比如-50%、20%音量降低/提高--pitch频率值如-50Hz、30Hz音高降低/提高底层校验非常严格TTSConfig要求rate与volume必须匹配正则^[-]\d%$正负号 整数 百分号pitch必须匹配^[-]\dHz$否则会直接抛出ValueError见 src/edge_tts/data_classes.py。2. 负值参数的关键易错点当使用负值时必须写成--[选项]-50%的形式而不能写成--[选项] -50%——否则-50%会被命令行解析器误认为另一个选项导致解析失败。3. 实战示例$ edge-tts --rate-50% --text Hello, world! --write-media hello_with_rate_lowered.mp3 --write-subtitles hello_with_rate_lowered.srt $ edge-tts --volume-50% --text Hello, world! --write-media hello_with_volume_lowered.mp3 --write-subtitles hello_with_volume_lowered.srt $ edge-tts --pitch-50Hz --text Hello, world! --write-media hello_with_pitch_lowered.mp3 --write-subtitles hello_with_pitch_lowered.srt这三个值最终会被塞进 SSML 的prosody pitch... rate... volume...中随请求发往服务端见 src/edge_tts/communicate.py。七、在 Python 代码中使用 edge-ttsREADME 指出edge-tts可以脱离命令行直接作为 Python 模块使用并给出了两个入口项目自带的 examples 示例目录以及 src/edge_tts/util.py命令行背后的实现可视为标准用法范本。1. 核心类CommunicateCommunicate是与合成服务打交道的核心类src/edge_tts/communicate.py构造参数如下参数默认值说明text必填要合成的文本strvoiceen-US-EmmaMultilingualNeural音色名rate0%语速volume0%音量pitch0Hz音高boundarySentenceBoundary字幕边界事件类型可选WordBoundary/SentenceBoundaryconnectorNone自定义 aiohttp 连接器如限流、复用连接池proxyNone代理地址connect_timeout10连接超时秒receive_timeout60接收超时秒2. 流式合成stream() SubMaker 生成字幕stream()是一个异步生成器逐块产出{type: audio, data: ...}音频块与{type: WordBoundary | SentenceBoundary, ...}边界元数据。配合SubMaker即可边收音频边积累字幕。参考 examples/async_audio_streaming_with_predefined_voice_and_subtitles.pyimport asyncio import edge_tts TEXT Hello World! VOICE en-GB-SoniaNeural OUTPUT_FILE test.mp3 SRT_FILE test.srt async def amain() - None: communicate edge_tts.Communicate(TEXT, VOICE) submaker edge_tts.SubMaker() with open(OUTPUT_FILE, wb) as file: async for chunk in communicate.stream(): if chunk[type] audio: file.write(chunk[data]) elif chunk[type] in (WordBoundary, SentenceBoundary): submaker.feed(chunk) with open(SRT_FILE, w, encodingutf-8) as file: file.write(submaker.get_srt()) if __name__ __main__: asyncio.run(amain())SubMaker.feed()会把每条边界消息偏移量 offset、时长 duration、文本 text换算成 SRT 条目见 src/edge_tts/submaker.pyget_srt()再统一排版输出src/edge_tts/submaker.py。3. 一站式落盘save() / save_sync()如果不需要逐块处理直接用save()一步到位写文件还支持把边界元数据以 JSONL 形式落盘import asyncio import edge_tts TEXT Hello World! VOICE en-GB-SoniaNeural OUTPUT_FILE test.mp3 async def amain() - None: communicate edge_tts.Communicate(TEXT, VOICE) await communicate.save(OUTPUT_FILE) if __name__ __main__: asyncio.run(amain())对于不喜欢async/await的同步场景Communicate同样提供了同步接口stream_sync()与save_sync()实现见 src/edge_tts/communicate.py内部用事件循环 线程队列封装异步逻辑。同步写法可参考 examples/sync_audio_gen_with_predefined_voice.pyimport edge_tts TEXT Hello World! VOICE en-GB-SoniaNeural OUTPUT_FILE test.mp3 def main() - None: communicate edge_tts.Communicate(TEXT, VOICE) communicate.save_sync(OUTPUT_FILE) if __name__ __main__: main()4. 按属性动态选音色VoicesManager音色很多时可以借助VoicesManager按语言、地区、性别、风格等属性筛选。参考 examples/async_audio_gen_with_dynamic_voice_selection.pyimport asyncio import random import edge_tts from edge_tts import VoicesManager TEXT Hoy es un buen día. OUTPUT_FILE spanish.mp3 async def amain() - None: voices await VoicesManager.create() voice voices.find(GenderMale, Languagees) # 也支持按地区筛选 # voice voices.find(GenderFemale, Localees-AR) communicate edge_tts.Communicate(TEXT, random.choice(voice)[Name]) await communicate.save(OUTPUT_FILE) if __name__ __main__: asyncio.run(amain())使用要点对应 src/edge_tts/voices.py必须先await VoicesManager.create()拉取音色列表之后才能调用find()否则抛出RuntimeErrorfind()支持Gender、Language、Locale等任意音色属性键值组合返回满足全部条件的音色列表每个音色条目自带Name字段直接传给Communicate即可。5. 命令行内部如何组合这些能力命令行edge-tts的完整执行逻辑src/edge_tts/util.py恰好演示了标准集成流程构造Communicate(text, voice, rate..., volume..., pitch..., proxy...)构造SubMaker循环消费communicate.stream()audio块写入媒体文件--write-media缺省时写到标准输出边界事件喂给SubMaker结束时把submaker.get_srt()写入字幕文件--write-subtitles缺省时写到 stderr若提供了--file会先读取文本内容-或/dev/stdin表示从标准输入读取src/edge_tts/util.py。八、底层实现原理浅析1. 与微软在线服务的 WebSocket 会话合成请求并非简单的 HTTP POST而是通过 WebSocket 长连接完成客户端连上speech.platform.bing.com的合成端点WSS_URL先发送一段speech.config命令请求声明输出格式audio-24khz-48kbitrate-mono-mp3并开启句子/词边界元数据再发送携带 SSML 的合成请求随后逐帧接收二进制音频与文本元数据见 src/edge_tts/communicate.py。2. 长文本的 4096 字节切分Communicate初始化时会把文本做remove_incompatible_characters()清洗剔除 OCR 文档里常见的垂直制表符等服务端不支持的字符然后以4096 字节为上限切成多个小段src/edge_tts/communicate.py。切分逻辑split_text_by_byte_lengthsrc/edge_tts/communicate.py会优先在换行或空格处断开同时保证不切断多字节 UTF-8 字符、不把amp;这类 XML 实体拦腰截断。stream()会按顺序逐段请求合成因此长文本也能稳定出音频。3. 输出格式与字幕时间轴补偿服务端返回的是48 kbps 恒定码率CBR的 MP3。为了在多段长文本间让字幕时间轴不漂移代码统计每段实际收到的音频字节数按字节数 × 8 × 10_000_000 / 48_000换算成 100 纳秒级 tick 的偏移补偿值见 __compensate_offset 与 constants.py 中的TICKS_PER_SECOND/MP3_BITRATE_BPS常量。4. 防伪与异常自愈连接 URL 上会附带TrustedClientToken以及Sec-MS-GEC、Sec-MS-GEC-Version两个防伪参数版本号随 Chromium 版本生成见 src/edge_tts/constants.py。当服务端返回 403常见原因是本地时钟偏差导致令牌失效时代码会调用 DRM 模块更新参数后自动重试一次见 src/edge_tts/communicate.py 与 src/edge_tts/voices.py提高了稳定性。九、注意事项与常见问题1. edge-playback 不支持的选项edge-playback会透传除--write-media、--write-subtitles、--list-voices之外的全部edge-tts参数见 src/edge_playback/main.py 的参数解析与 src/edge_playback/main.py 的调用逻辑。2. 输出到终端时的安全提示当--write-media未指定、且标准输入输出均连接终端时CLI 会打印警告并等待按回车确认防止把二进制音频直接灌进终端见 src/edge_tts/util.py。脚本化使用时请务必指定--write-media或重定向输出。3. 代理支持网络受限环境可通过--proxy命令行或Communicate(proxy...)Python为合成请求与音色列表请求指定代理。4. 服务可用性与合规提示本项目依赖微软 Edge 在线服务属于“借用”而非官方开放 API 的行为服务端的限制如禁止自定义 SSML、参数格式约束会直接影响可用能力服务接口若有调整程序行为可能随之变化。请结合自身场景评估使用范围与合规性。5. 社区生态参考README 还列举了若干基于edge-tts构建的社区项目可作为集成思路参考例如 Home Assistant 的语音合成插件hass-edge-tts、播客内容自动生成工具Podcastfy以及一个汇集了各音色 mp3 试听样例的音色挑选辅助项目tts-samples方便你在为项目挑选音色时先听为快。此外仓库内的 examples 目录覆盖了“异步/同步 × 生成音频/流式播放/动态选音色/字幕输出到标准输出”等组合场景几乎每一种使用形态都能找到可直接运行的范本。赞分享语音音频AI 应用【免费下载链接】edge-ttsUse Microsoft Edges 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点击查看免费下载相关推荐Edge TTS无需Edge浏览器也能使用的微软语音合成神器Edge TTS无需Edge浏览器也能使用的微软语音合成神器 还在寻找简单易用的文本转语音解决方案吗Edge TTS让你在Python中直接调用微软Edge语音音频AI 应用Edge TTS5分钟掌握微软语音合成技术无需Windows和Edge浏览器Edge TTS5分钟掌握微软语音合成技术无需Windows和Edge浏览器 还在为文本转语音功能而烦恼吗想在不安装Windows系统的情况下使用微软高质语音音频AI 应用Edge TTS完全指南无需微软Edge浏览器实现高质量文本转语音Edge TTS完全指南无需微软Edge浏览器实现高质量文本转语音 还在为复杂的文本转语音配置而烦恼吗今天我要向你介绍一个颠覆性的Python解决方案——E语音音频AI 应用上一篇自定义gh_mirrors/deb/debug日志输出高级配置指南下一篇如何使用h2ogpt模型压缩工具从安装到部署的完整指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 edge-tts 实战指南：用 Python 与命令行零门槛调用微软 Edge 在线语音合成（无需浏览器、无需 API Key）
语音音频AI 应用【免费下载链接】edge-ttsUse Microsoft Edges 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点击查看免费下载edge-tts是一个纯 Python 实现的开源语音合成TTS模块它直接复用微软 Edge 浏览器内置的在线文本转语音服务无需安装 Edge 浏览器、无需 Windows 系统、更不需要申请任何 API Key只需联网即可把文本合成为 MP3 音频并可选生成 SRT 字幕。本文以仓库根目录的 README.md 为主线结合 src/edge_tts/util.py、src/edge_tts/communicate.py、src/edge_tts/voices.py 等源码与 examples 示例系统讲解安装、命令行使用、参数调节、Python 模块调用与底层实现原理读完即可在自己的项目里落地使用。一、edge-tts 是什么按照项目说明edge-tts是一个 Python 模块允许你在自己的 Python 代码中或通过项目自带的edge-tts与edge-playback两个命令行工具直接使用微软 Edge 的在线文本转语音服务。它有几个鲜明的特点零依赖浏览器不需要安装或启动 Microsoft Edge 浏览器本身跨平台不要求 Windows在 Linux、macOS 等系统上同样可用免 API Key不涉及微软云语音服务的账号、鉴权与计费代码内部模拟 Edge 浏览器的请求流程双入口既可作为edge-tts/edge-playback命令使用也可作为 Python 库edge_tts在代码中调用。从源码看edge-tts的对外 API 十分精简见 src/edge_tts/init.py核心导出为Communicate负责与合成服务通信、SubMaker负责生成 SRT 字幕、VoicesManager/list_voices负责查询与筛选音色以及exceptions异常模块此外还暴露了__version__供程序识别版本。二、安装与依赖1. 通过 pip 安装Python 库 命令行$ pip install edge-tts安装后同时获得Python 模块edge_tts可在代码中import edge_tts命令行程序edge-tts与edge-playback入口分别定义于 src/edge_tts/main.py 与 src/edge_playback/main.py。2. 只想用命令行推荐 pipx如果你仅仅需要使用edge-tts和edge-playback两个命令而不打算在项目里import edge_tts官方建议使用pipx安装这样可以将工具隔离在独立环境中避免污染全局 Python 环境$ pipx install edge-tts3. edge-playback 的额外依赖mpvedge-playback命令用于“边合成边播放”。注意除 Windows 外使用edge-playback需要系统已安装 mpv 命令行播放器。项目代码在启动时会用which检查mpv是否在 PATH 中若缺失会直接报错退出见 src/edge_playback/main.py。Windows 上则默认走系统自带播放能力src/edge_playback/win32_playback.py不强制要求 mpv。三、命令行快速上手1. 基本用法合成并落盘最简单的用法是给出一段文本合成 MP3 音频并可同时输出 SRT 字幕$ edge-tts --text Hello, world! --write-media hello.mp3 --write-subtitles hello.srt执行完毕后当前目录会生成hello.mp3语音音频与hello.srt带时间轴的字幕文件。其中字幕是根据合成过程中的词边界/句边界事件由SubMaker组装出来的实现见 src/edge_tts/submaker.py。2. 即时播放edge-playback如果希望合成后立即播放并同步显示字幕可直接使用edge-playback$ edge-playback --text Hello, world!edge-playback内部的工作方式是先调用edge-tts命令把音频与字幕写入临时文件再交给mpvWindows 上使用系统播放器播放结束后自动清理临时文件见 src/edge_playback/main.py。它还支持通过环境变量控制调试信息与临时文件保留设置EDGE_PLAYBACK_DEBUG打印临时文件路径设置EDGE_PLAYBACK_KEEP_TEMP保留临时文件EDGE_PLAYBACK_MP3_FILE与EDGE_PLAYBACK_SRT_FILE可指定外部输出文件。需要注意的是edge-playback兼容所有edge-tts参数唯独--write-media、--write-subtitles、--list-voices三个选项除外播放器场景下文件由命令自行管理音色列表也无需播放。3. CLI 完整参数一览源自源码以下参数与默认值均来自 src/edge_tts/util.py 中argparse的实际定义参数别名说明默认值--text-t要合成语音的文本必选其一--file-f从文件读取文本-或/dev/stdin表示从标准输入读取必选其一--list-voices-l列出所有可用音色后退出无--voice-v指定音色en-US-EmmaMultilingualNeural--rate—语速如10%、-50%0%--volume—音量如-50%0%--pitch—音高如-50Hz、20Hz0Hz--write-media—音频输出到指定文件缺省时输出到标准输出无--write-subtitles—字幕输出到指定文件缺省时输出到 stderr无--proxy—为合成请求与音色列表请求设置代理无--version—输出版本号无其中--text、--file、--list-voices三者构成互斥组必须且只能提供其一。默认音色en-US-EmmaMultilingualNeural定义于 src/edge_tts/constants.py。四、切换语音--voice 与 --list-voices1. 查看全部可用音色$ edge-tts --list-voices输出为一个按音色名ShortName排序的表格包含四列Name音色名、Gender性别、ContentCategories内容类别、VoicePersonalities音色风格例如Name Gender ContentCategories VoicePersonalities --------------------------------- -------- --------------------- -------------------------------------- af-ZA-AdriNeural Female General Friendly, Positive af-ZA-WillemNeural Male General Friendly, Positive am-ET-AmehaNeural Male General Friendly, Positive am-ET-MekdesNeural Female General Friendly, Positive ar-AE-FatimaNeural Female General Friendly, Positive ar-AE-HamdanNeural Male General Friendly, Positive ar-BH-AliNeural Male General Friendly, Positive ar-BH-LailaNeural Female General Friendly, Positive ar-DZ-AminaNeural Female General Friendly, Positive ar-DZ-IsmaelNeural Male General Friendly, Positive ar-EG-SalmaNeural Female General Friendly, Positive ...列表较长此处仅展示开头部分。该表格由 src/edge_tts/util.py 中的_print_voices生成先调用list_voices()拉取全量音色再按ShortName排序并用tabulate输出。2. 指定音色合成通过--voice传入音色名即可指定说话人。例如用阿拉伯语音色ar-EG-SalmaNeural合成阿拉伯语文本$ edge-tts --voice ar-EG-SalmaNeural --text مرحبا كيف حالك؟ --write-media hello_in_arabic.mp3 --write-subtitles hello_in_arabic.srt音色名形如语言-地区-名称Neural如en-GB-SoniaNeural、zh-CN-XiaoxiaoNeural类。底层在发送请求前会把短名称规范化成服务端要求的完整格式Microsoft Server Speech Text to Speech Voice (语言-地区, 名称)这一转换在 TTSConfig 的初始化校验中完成。3. 默认音色与音色查询实现默认音色en-US-EmmaMultilingualNeural见 src/edge_tts/constants.py不传--voice时即使用它。查询实现list_voices()会向微软语音平台的音色列表接口发起请求URL 定义于 src/edge_tts/constants.py解析返回的 JSON并为每个音色补齐VoiceTag下的ContentCategories与VoicePersonalities字段见 src/edge_tts/voices.py。请求同样会附带Sec-MS-GEC防伪参数遇到 403 响应时还会调用 DRM 模块修正后重试一次。五、关于自定义 SSML已被移除的限制README 明确指出自定义 SSML 的支持已经被移除。原因是微软禁止使用任何无法由 Edge 浏览器自身生成的 SSML——服务端只允许在 SSML 中包含单个voice标签、其中仅含单个prosody标签。因此任何需要“定制 SSML”的场景例如拼接多语音、插入特殊标签都无法得到服务端支持。好消息是prosody标签内所有可用的自定义选项语速、音量、音高都已经通过库参数与命令行参数--rate、--volume、--pitch暴露出来开发者无需手写 SSML。这一点在源码中得到了印证communicate.py 的mkssml()函数生成的 SSML 恰好就是“speak→ 单个voice→ 单个prosody内含 pitch/rate/volume→ 转义后的文本”这一固定结构。六、调节语速、音量与音高1. 三个参数的取值规则参数取值格式示例--rate百分比如10%、-50%语速提高/降低--volume百分比如-50%、20%音量降低/提高--pitch频率值如-50Hz、30Hz音高降低/提高底层校验非常严格TTSConfig要求rate与volume必须匹配正则^[-]\d%$正负号 整数 百分号pitch必须匹配^[-]\dHz$否则会直接抛出ValueError见 src/edge_tts/data_classes.py。2. 负值参数的关键易错点当使用负值时必须写成--[选项]-50%的形式而不能写成--[选项] -50%——否则-50%会被命令行解析器误认为另一个选项导致解析失败。3. 实战示例$ edge-tts --rate-50% --text Hello, world! --write-media hello_with_rate_lowered.mp3 --write-subtitles hello_with_rate_lowered.srt $ edge-tts --volume-50% --text Hello, world! --write-media hello_with_volume_lowered.mp3 --write-subtitles hello_with_volume_lowered.srt $ edge-tts --pitch-50Hz --text Hello, world! --write-media hello_with_pitch_lowered.mp3 --write-subtitles hello_with_pitch_lowered.srt这三个值最终会被塞进 SSML 的prosody pitch... rate... volume...中随请求发往服务端见 src/edge_tts/communicate.py。七、在 Python 代码中使用 edge-ttsREADME 指出edge-tts可以脱离命令行直接作为 Python 模块使用并给出了两个入口项目自带的 examples 示例目录以及 src/edge_tts/util.py命令行背后的实现可视为标准用法范本。1. 核心类CommunicateCommunicate是与合成服务打交道的核心类src/edge_tts/communicate.py构造参数如下参数默认值说明text必填要合成的文本strvoiceen-US-EmmaMultilingualNeural音色名rate0%语速volume0%音量pitch0Hz音高boundarySentenceBoundary字幕边界事件类型可选WordBoundary/SentenceBoundaryconnectorNone自定义 aiohttp 连接器如限流、复用连接池proxyNone代理地址connect_timeout10连接超时秒receive_timeout60接收超时秒2. 流式合成stream() SubMaker 生成字幕stream()是一个异步生成器逐块产出{type: audio, data: ...}音频块与{type: WordBoundary | SentenceBoundary, ...}边界元数据。配合SubMaker即可边收音频边积累字幕。参考 examples/async_audio_streaming_with_predefined_voice_and_subtitles.pyimport asyncio import edge_tts TEXT Hello World! VOICE en-GB-SoniaNeural OUTPUT_FILE test.mp3 SRT_FILE test.srt async def amain() - None: communicate edge_tts.Communicate(TEXT, VOICE) submaker edge_tts.SubMaker() with open(OUTPUT_FILE, wb) as file: async for chunk in communicate.stream(): if chunk[type] audio: file.write(chunk[data]) elif chunk[type] in (WordBoundary, SentenceBoundary): submaker.feed(chunk) with open(SRT_FILE, w, encodingutf-8) as file: file.write(submaker.get_srt()) if __name__ __main__: asyncio.run(amain())SubMaker.feed()会把每条边界消息偏移量 offset、时长 duration、文本 text换算成 SRT 条目见 src/edge_tts/submaker.pyget_srt()再统一排版输出src/edge_tts/submaker.py。3. 一站式落盘save() / save_sync()如果不需要逐块处理直接用save()一步到位写文件还支持把边界元数据以 JSONL 形式落盘import asyncio import edge_tts TEXT Hello World! VOICE en-GB-SoniaNeural OUTPUT_FILE test.mp3 async def amain() - None: communicate edge_tts.Communicate(TEXT, VOICE) await communicate.save(OUTPUT_FILE) if __name__ __main__: asyncio.run(amain())对于不喜欢async/await的同步场景Communicate同样提供了同步接口stream_sync()与save_sync()实现见 src/edge_tts/communicate.py内部用事件循环 线程队列封装异步逻辑。同步写法可参考 examples/sync_audio_gen_with_predefined_voice.pyimport edge_tts TEXT Hello World! VOICE en-GB-SoniaNeural OUTPUT_FILE test.mp3 def main() - None: communicate edge_tts.Communicate(TEXT, VOICE) communicate.save_sync(OUTPUT_FILE) if __name__ __main__: main()4. 按属性动态选音色VoicesManager音色很多时可以借助VoicesManager按语言、地区、性别、风格等属性筛选。参考 examples/async_audio_gen_with_dynamic_voice_selection.pyimport asyncio import random import edge_tts from edge_tts import VoicesManager TEXT Hoy es un buen día. OUTPUT_FILE spanish.mp3 async def amain() - None: voices await VoicesManager.create() voice voices.find(GenderMale, Languagees) # 也支持按地区筛选 # voice voices.find(GenderFemale, Localees-AR) communicate edge_tts.Communicate(TEXT, random.choice(voice)[Name]) await communicate.save(OUTPUT_FILE) if __name__ __main__: asyncio.run(amain())使用要点对应 src/edge_tts/voices.py必须先await VoicesManager.create()拉取音色列表之后才能调用find()否则抛出RuntimeErrorfind()支持Gender、Language、Locale等任意音色属性键值组合返回满足全部条件的音色列表每个音色条目自带Name字段直接传给Communicate即可。5. 命令行内部如何组合这些能力命令行edge-tts的完整执行逻辑src/edge_tts/util.py恰好演示了标准集成流程构造Communicate(text, voice, rate..., volume..., pitch..., proxy...)构造SubMaker循环消费communicate.stream()audio块写入媒体文件--write-media缺省时写到标准输出边界事件喂给SubMaker结束时把submaker.get_srt()写入字幕文件--write-subtitles缺省时写到 stderr若提供了--file会先读取文本内容-或/dev/stdin表示从标准输入读取src/edge_tts/util.py。八、底层实现原理浅析1. 与微软在线服务的 WebSocket 会话合成请求并非简单的 HTTP POST而是通过 WebSocket 长连接完成客户端连上speech.platform.bing.com的合成端点WSS_URL先发送一段speech.config命令请求声明输出格式audio-24khz-48kbitrate-mono-mp3并开启句子/词边界元数据再发送携带 SSML 的合成请求随后逐帧接收二进制音频与文本元数据见 src/edge_tts/communicate.py。2. 长文本的 4096 字节切分Communicate初始化时会把文本做remove_incompatible_characters()清洗剔除 OCR 文档里常见的垂直制表符等服务端不支持的字符然后以4096 字节为上限切成多个小段src/edge_tts/communicate.py。切分逻辑split_text_by_byte_lengthsrc/edge_tts/communicate.py会优先在换行或空格处断开同时保证不切断多字节 UTF-8 字符、不把amp;这类 XML 实体拦腰截断。stream()会按顺序逐段请求合成因此长文本也能稳定出音频。3. 输出格式与字幕时间轴补偿服务端返回的是48 kbps 恒定码率CBR的 MP3。为了在多段长文本间让字幕时间轴不漂移代码统计每段实际收到的音频字节数按字节数 × 8 × 10_000_000 / 48_000换算成 100 纳秒级 tick 的偏移补偿值见 __compensate_offset 与 constants.py 中的TICKS_PER_SECOND/MP3_BITRATE_BPS常量。4. 防伪与异常自愈连接 URL 上会附带TrustedClientToken以及Sec-MS-GEC、Sec-MS-GEC-Version两个防伪参数版本号随 Chromium 版本生成见 src/edge_tts/constants.py。当服务端返回 403常见原因是本地时钟偏差导致令牌失效时代码会调用 DRM 模块更新参数后自动重试一次见 src/edge_tts/communicate.py 与 src/edge_tts/voices.py提高了稳定性。九、注意事项与常见问题1. edge-playback 不支持的选项edge-playback会透传除--write-media、--write-subtitles、--list-voices之外的全部edge-tts参数见 src/edge_playback/main.py 的参数解析与 src/edge_playback/main.py 的调用逻辑。2. 输出到终端时的安全提示当--write-media未指定、且标准输入输出均连接终端时CLI 会打印警告并等待按回车确认防止把二进制音频直接灌进终端见 src/edge_tts/util.py。脚本化使用时请务必指定--write-media或重定向输出。3. 代理支持网络受限环境可通过--proxy命令行或Communicate(proxy...)Python为合成请求与音色列表请求指定代理。4. 服务可用性与合规提示本项目依赖微软 Edge 在线服务属于“借用”而非官方开放 API 的行为服务端的限制如禁止自定义 SSML、参数格式约束会直接影响可用能力服务接口若有调整程序行为可能随之变化。请结合自身场景评估使用范围与合规性。5. 社区生态参考README 还列举了若干基于edge-tts构建的社区项目可作为集成思路参考例如 Home Assistant 的语音合成插件hass-edge-tts、播客内容自动生成工具Podcastfy以及一个汇集了各音色 mp3 试听样例的音色挑选辅助项目tts-samples方便你在为项目挑选音色时先听为快。此外仓库内的 examples 目录覆盖了“异步/同步 × 生成音频/流式播放/动态选音色/字幕输出到标准输出”等组合场景几乎每一种使用形态都能找到可直接运行的范本。赞分享语音音频AI 应用【免费下载链接】edge-ttsUse Microsoft Edges 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点击查看免费下载相关推荐Edge TTS无需Edge浏览器也能使用的微软语音合成神器Edge TTS无需Edge浏览器也能使用的微软语音合成神器 还在寻找简单易用的文本转语音解决方案吗Edge TTS让你在Python中直接调用微软Edge语音音频AI 应用Edge TTS5分钟掌握微软语音合成技术无需Windows和Edge浏览器Edge TTS5分钟掌握微软语音合成技术无需Windows和Edge浏览器 还在为文本转语音功能而烦恼吗想在不安装Windows系统的情况下使用微软高质语音音频AI 应用Edge TTS完全指南无需微软Edge浏览器实现高质量文本转语音Edge TTS完全指南无需微软Edge浏览器实现高质量文本转语音 还在为复杂的文本转语音配置而烦恼吗今天我要向你介绍一个颠覆性的Python解决方案——E语音音频AI 应用上一篇自定义gh_mirrors/deb/debug日志输出高级配置指南下一篇如何使用h2ogpt模型压缩工具从安装到部署的完整指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考