【Python】免费的中文 AI 配音方案
- 免费
- 高质量
- 免密钥
- 需联网
edge_tts是一个利用Microsoft Edge 浏览器在线 TTS（文本转语音）服务的非官方 Python 库。
它无需微软 API 密钥，即可调用 Edge 内置的高质量神经网络语音合成引擎，将文本转换为自然语音并保存为音频文件。
核心特点
| 特性 | 说明 |
|---|---|
| 免费无密钥 | 直接调用 Edge 的在线 TTS 接口，无需 Azure 订阅或 API Key |
| 语音质量高 | 基于微软最新的神经网络 TTS，中文（如 Xiaoxiao、Yunyang）发音自然流畅 |
| 支持 SSML | 可使用语音合成标记语言精细控制语速、音调、停顿、多语音切换 |
| 多种输出格式 | 支持 MP3、WEBM、OGG 等格式（实际为流媒体封装） |
| 异步设计 | 基于asyncio和aiohttp，适合批量处理或集成到异步应用 |
安装
pipinstalledge-tts依赖极少，主要需要aiohttp（会自动安装）。
基础用法
1. 命令行快速使用（无需写代码）
安装后自带edge-tts和edge-playback命令：
# 查看所有可用语音edge-tts --list-voices# 中文语音合成并保存edge-tts--voicezh-CN-XiaoxiaoNeural--text"你好，这是微软 Edge 的文本转语音演示。"--write-media output.mp3# 调整语速（+50%）和音量（+10%）edge-tts--voicezh-CN-YunyangNeural--rate+50%--volume+10%--text"加速播放测试"--write-media fast.mp32. Python 代码使用
importasyncioimportedge_tts TEXT="你好，欢迎使用 edge_tts 库。这是由微软 Edge 提供的高质量中文语音合成。"VOICE="zh-CN-XiaoxiaoNeural"# 中文女声OUTPUT_FILE="test.mp3"asyncdefmain():communicate=edge_tts.Communicate(TEXT,VOICE)awaitcommunicate.save(OUTPUT_FILE)if__name__=="__main__":asyncio.run(main())进阶功能
使用 SSML 精细控制
SSML（Speech Synthesis Markup Language）可以控制停顿、语气、多角色对话：
importasyncioimportedge_tts SSML=""" <<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="zh-CN"> <voice name="zh-CN-XiaoxiaoNeural"> 你好，<<break time="500ms"/> 这是带停顿的语音。 <prosody rate="slow" pitch="+10%">这句话语速较慢，音调较高。</prosody> </voice> </speak> """asyncdefmain():communicate=edge_tts.Communicate(SSML,voice="zh-CN-XiaoxiaoNeural")awaitcommunicate.save("ssml_output.mp3")asyncio.run(main())流式获取音频数据
适合边下载边播放，无需等待完整文件：
importasyncioimportedge_ttsasyncdefstream_tts():communicate=edge_tts.Communicate("流式播放测试","zh-CN-YunyangNeural")asyncforchunkincommunicate.stream():ifchunk["type"]=="audio":# chunk["data"] 是音频字节流，可实时写入播放器print(f"收到音频块:{len(chunk['data'])}bytes")elifchunk["type"]=="WordBoundary":# 获取每个词的时间边界信息，可用于字幕同步print(f"词:{chunk['text']}, 偏移:{chunk['offset']}ms")asyncio.run(stream_tts())批量处理与语音切换
importasyncioimportedge_tts voices=["zh-CN-XiaoxiaoNeural","zh-CN-YunyangNeural","zh-CN-XiaohanNeural"]text="同样的文本，不同的声音。"asyncdefbatch():tasks=[]forvoiceinvoices:communicate=edge_tts.Communicate(text,voice)tasks.append(communicate.save(f"{voice}.mp3"))awaitasyncio.gather(*tasks)asyncio.run(batch())常用中文语音列表
| 语音 ID | 性别/风格 | 特点 |
|---|---|---|
zh-CN-XiaoxiaoNeural | 女 | 自然、温暖，最常用 |
zh-CN-YunyangNeural | 男 | 新闻播报风格，沉稳 |
zh-CN-XiaohanNeural | 女 | 抒情风格，柔和 |
zh-CN-XiaomoNeural | 女 | 多种情感风格可选 |
zh-CN-YunxiNeural | 男 | 年轻、活泼 |
zh-CN-XiaoruiNeural | 女 | 成熟、专业 |
zh-CN-YunjianNeural | 男 | 老年、叙事风格 |
完整列表通过edge-tts --list-voices | grep zh-CN查看。
注意事项
- 网络依赖：需要能访问微软 Edge TTS 在线服务（
speech.platform.bing.com相关域名），国内通常可直接访问。 - 非官方 API：这是逆向 Edge 浏览器接口实现的，微软可能随时调整服务端逻辑，存在失效风险。
- 商业使用：音频生成自微软服务，商用前建议确认微软服务条款，或考虑官方 Azure Speech Service。
- 长文本限制：单段文本过长时建议分段处理，避免超时。
典型应用场景
- 有声书/播客制作：快速将长文本文档转为音频
- 视频配音：为短视频、教程生成旁白
- 辅助阅读：为视障用户或学习场景提供语音朗读
- AI 对话机器人：为 ChatBot 添加语音输出能力
- 自动化测试：生成语音素材用于测试