本地部署EdgeTTS：从零搭建你的智能语音合成系统（附赠源码和镜像）

在 上张贴 由 声界发表回复

在人工智能技术飞速发展的今天，语音合成（TTS）已成为智能客服、有声读物、视频配音等场景的核心技术。本文将带你深入了解如何通过开源项目EdgeTTS，在本地搭建支持多方言、可调节参数的语音合成系统，并实现可视化操作界面与API服务。

一、EdgeTTS：免费开源的语音合成利器

EdgeTTS是基于微软Edge浏览器语音服务的开源项目（项目地址可搜索GitHub仓库），其核心优势在于：

  • 零成本：完全免费使用微软的云端语音合成服务

  • 多语言支持：覆盖40+语言、318种音色，包括普通话、粤语、陕西方言等特色发音（具体音色列表可通过命令行查询）

  • 灵活调节：支持语速（±50%）、音量（±70%）、音高（±50Hz）等参数微调（参数范围参考官方文档）

通过本地部署，用户无需依赖在线服务即可实现高质量的语音生成，特别适合需要数据隐私保护的场景。下面的数字人配音就是用Edege-tts生成。

二、快速部署指南

1. 环境安装

仅需两行命令完成基础环境配置：

pip install edge-tts torchaudio




2. 音色查询


查看支持的所有音色（以粤语为例）：


edge-tts --list-voices |grep HK




输出示例：


Name: zh-HK-WanLungNeural (粤语男声)Name: zh-HK-HiuMaanNeural (粤语女声)






三、从命令行到代码：三种生成方式


方式1：命令行一键生成


生成周星驰经典台词（粤语版）：


edge-tts --voice zh-HK-WanLungNeural --text "曾经有一份真诚的爱情..."--write-media output.mp3 --rate "-30%" --volume "+20%"




参数说明（根据项目文档整理）：


    

  • 

    --rate：语速调节（±百分比）
    

    • 

  • 

    --volume：音量调节（±百分比）
    

    • 

  • 

    --pitch：音高调节（±Hz值）
    

    • 



方式2：Python代码调用


import edge_ttstext ="欢迎使用EdgeTTS，这是一段自定义语音示例"communicate = edge_tts.Communicate(    text=text,    voice="zh-CN-YunyangNeural",    rate="-20%",  # 语速减慢20%    volume="+30%",  # 音量提升30%    pitch="+40Hz"# 音调升高40Hz)communicate.save_sync("custom_voice.mp3")




方式3：Gradio可视化界面


通过以下代码搭建交互式操作界面：


import gradio as grimport edge_ttsdef generate_voice(text, voice, rate, volume):    communicate = edge_tts.Communicate(        text=text,        voice=voice,        rate=f"{rate}%",        volume=f"{volume}%"    )    communicate.save_sync("output.mp3")    return "output.mp3"iface = gr.Interface(    fn=generate_voice,    inputs=[        gr.Textbox(label="输入文本", lines=5),        gr.Dropdown(            choices=["zh-CN-YunyangNeural", "zh-HK-WanLungNeural", "zh-TW-HsiaoYuNeural"],            label="选择音色"        ),        gr.Slider(-50, 50, value=0, label="语速调节(%)"),        gr.Slider(-70, 70, value=0, label="音量调节(%)")    ],    outputs=gr.Audio(label="生成结果"),    title="EdgeTTS语音合成工具")iface.launch()










四、进阶应用：构建API服务


通过开源社区项目（可搜索openai-edge-tts获取），可快速搭建兼容OpenAI接口的TTS服务：


1. Docker部署


git clone https://github.com/travisvn/openai-edge-tts.gitcd openai-edge-ttsdocker compose up --build




2. API调用示例


import requestsurl ="http://localhost:5050/v1/audio/speech"headers ={    "Content-Type": "application/json",    "Authorization": "Bearer YOUR_API_KEY"}data ={    "input": "你好，我是AI语音助手",    "voice": "zh-CN-YunyangNeural",    "response_format": "mp3",    "speed": 1.2}response = requests.post(url, headers=headers, json=data)withopen("output.mp3", "wb") as f:    f.write(response.content)








五、镜像分享


1.一行命令部署镜像


下面是我制作好的docker镜像，使用下面的命令就可以一键启动运行




    

  • 



sudo docker run -d --name edge-tts-ui  --restart=always  -p 7868:7864 edge-tts-ui:3.0  bash -c "python3 /home/tts_api.py"




镜像地址：






https://cloud.189.cn/web/share?code=nInEVfJ3EFre（访问码：8m7t）






2.Gradio和FastAPI 一键启动


运行下面的代码，就可以直接在一个接口使用graido界面的应用，并提供api功能




    

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 

  • 



#tts_api.pyfrom fastapi import FastAPI, HTTPException, File, UploadFilefrom fastapi.responses import FileResponseimport edge_ttsimport osimport timeimport asyncioimport uvicornfrom pydantic import BaseModelfrom webui import ifaceimport gradio as grapp = FastAPI()async def save_audio_async(audio_data, filename):await audio_data.save(filename)class AudioRequest(BaseModel):    text: str    lang: str = 'zh-CN-XiaoyiNeural'    speed: str = '-4%'    volume: str = '+3%'@app.post('/generate-audio')async def generate_audio(request: AudioRequest):'''    Name: zh-CN-YunxiNeural    Gender: Male    Name: zh-CN-YunxiaNeural    Gender: Male    Name: zh-CN-YunyangNeural    Gender: Male    Name: zh-CN-liaoning-XiaobeiNeural    Gender: Female    Name: zh-CN-shaanxi-XiaoniNeural    Gender: Female    '''    timestamp = int(time.time())    speed = request.speed.strip()    volume = request.volume.strip()try:        audio_data = edge_tts.Communicate(request.text, voice=request.lang, rate=speed, volume=volume)except ValueError as e:        print(f"{e}") raise HTTPException(status_code=400, detail=str(e))    filename = f"/home/mp3/{timestamp}.mp3"await save_audio_async(audio_data, filename)return {'filename': f"{timestamp}.mp3"}@app.get('/download-audio/{filename}')def download_audio(filename: str):    file_path = f"/home/mp3/{filename}"if os.path.exists(file_path):return FileResponse(file_path, media_type='application/octet-stream', filename=filename)else:raise HTTPException(status_code=404, detail="File not found")@app.get('/delete-audio/{filename}')def delete_audio(filename: str):    file_path = f"/home/mp3/{filename}"if os.path.exists(file_path):        os.remove(file_path)return {'message': f'{filename} has been deleted'}else:return {'message': 'File not found'}app=gr.mount_gradio_app(app,iface,path="/tts")if __name__ == '__main__':    uvicorn.run(app, host="0.0.0.0", port=7864)