新闻详情

新闻详情

首页 / 资讯中心 / 详情

一条命令生成多语言语音:edge-tts 使用指南

发布时间:2026/11/18 16:33:53来源:尧图网络
一条命令生成多语言语音:edge-tts 使用指南
一条命令生成多语言语音edge-tts 使用指南【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做一条讲解视频配旁白成了最慢的环节自己录音要改口型付费的文本转语音TTS接口又要 API 密钥和计费额度。其实有条路子一直在跑——微软 Edge 浏览器内置的朗读服务。Python 项目 edge-tts 可以直接调用这个语音合成服务把文字变成 mp3 语音顺手还能产出带时间轴的字幕不需要装 Edge、不需要 Windows也不需要任何密钥。它是什么直接调用 Edge 的朗读服务edge-tts 是一个 Python 库同时附带edge-tts和edge-playback两个命令行工具对接的就是 Microsoft Edge 的在线语音合成服务。打个比方Edge 浏览器的大声朗读功能背后是一条 WebSocket 通道你把文字发过去它流式返回语音片段。edge-tts 做的就是把这条通道从浏览器里拆出来让你用命令行或几行 Python 就能说话——相当于借用了 Edge 的嗓子但不用装整个浏览器。核心通信逻辑在 src/edge_tts/communicate.py服务地址和请求头定义在 src/edge_tts/constants.py。能力地图文字变 mp3。把--text参数里的文本或文件内容合成为 48kbps 的 mp3 音频默认语音是en-US-EmmaMultilingualNeural。语音配字幕。服务端会回报每个词、每句话的起止时间edge-tts 用 src/edge_tts/submaker.py 把这些事件拼成标准 SRT 字幕文件和语音严格对齐。上百种声音可挑。中文、英语、日语、法语、阿拉伯语等几十个语言区都有男女声可选--list-voices一条命令全列出来还能按性别、语言筛选。边合成边播放。edge-playback命令不落盘直接把语音流交给本地播放器放出来适合快速试听某个声音适不适合。最短上手路径装一条命令pip install edge-tts然后直接合成第一句edge-tts --text Hello, world! --write-media hello.mp3跑完当前目录里多出一个hello.mp3播放即是 Edge 那种自然的女声。如果只用命令行、不想引入 Python 环境把上面的 pip 换成pipx install edge-tts也一样。深入选对声音再微调语速音调列语音、选语音、带字幕生成先看看都有谁edge-tts --list-voices输出是一张表格名称、性别、内容类别、声音个性比如zh-CN-XiaoxiaoNeural女声、通用、Friendly/Positive。挑中一个后把--voice、--write-media、--write-subtitles三个参数一起带上edge-tts --voice zh-CN-XiaoxiaoNeural \ --text 欢迎使用 edge-tts 语音合成服务 \ --write-media hello.mp3 --write-subtitles hello.srt得到两个文件hello.mp3是语音hello.srt是逐句带时间戳的字幕直接能喂给播放器或剪辑软件。在 Python 里生成语音项目自带一组可直接运行的示例见 examples/。异步版是推荐姿势因为一个文本往往要等好几秒import asyncio import edge_tts async def amain(): communicate edge_tts.Communicate(异步语音生成示例, zh-CN-XiaoxiaoNeural) await communicate.save(async_output.mp3) asyncio.run(amain())同步场景下把save_sync换成save的同步版即可edge_tts.Communicate(text, voice).save_sync(test.mp3)一行搞定。Communicate还支持rate、volume、pitch、proxy几个构造参数和命令行选项一一对应。进阶参数微调与组合玩法语速、音量、音调。三个参数都以0为基准edge-tts --rate-30% --text 慢速示例 --write-media slow.mp3 edge-tts --volume-20% --text 低音量示例 --write-media quiet.mp3 edge-tts --pitch-30Hz --text 低音调示例 --write-media low.mp3注意负号写法--rate-30%必须用等号连写写成--rate -30%会被解析成另一个选项。长文本用--file。文本长到塞不进命令行时edge-tts -f text.txt --write-media out.mp3从文件读入-表示从标准输入读。仓库里的 tests/ 就有一个长文本测试的参考。按条件挑声音。Python 侧的VoicesManager可以按属性筛声音不用人肉翻列表参考 examples/async_audio_gen_with_dynamic_voice_selection.pyvoices await VoicesManager.create() match voices.find(GenderMale, Languagees) # 也支持 Localees-AR逐块处理流。不想一次性落盘的话communicate.stream()是一个异步生成器依次吐出audio块和WordBoundary/SentenceBoundary事件自己决定写文件、发播放器还是拼字幕这也是命令行工具字幕功能的底层实现。避坑手册四个大概率会遇到的情况edge-playback 没声音非 Windows。它依赖 mpv 播放器Windows 之外需要先装 mpv否则会报错。纯生成文件用edge-tts则无此问题。负值参数消失了。--rate -30%会被 argparse 当成未知选项改成--rate-30%就正常。这是最常被问的一条。网络或 403 类报错。服务是微软在线接口必须能访问外网网络环境受限时给--list-voices和合成命令加--proxy。完全收不到音频时会抛出NoAudioReceived定义在 src/edge_tts/exceptions.py先换网络再重试。想塞自定义 SSML 会被拒。服务端只接受 Edge 自身生成的 SSML所以 edge-tts 不提供自定义 SSML 入口——但prosody里能调的参数语速、音量、音调都已经以命令参数形式暴露日常够用。一句话收个尾edge-tts 把文字到 mp3压缩成了一条命令字幕、选声、微调都是顺手的附加项。想先听效果的话从这条开始edge-tts --text 你好世界 --write-media hello_world.mp3更多用法细节可以翻 README.md 和 examples/ 里的五个示例。【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创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/18 14:20:46

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/18 20:01:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/18 11:04:06

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/18 15:55:22

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉