使用python加edge-tts实现文字转语音

使用python加edge-tts实现文字转语音

Edge-TTS（edge-tts Python 模块）本质上是一个调用 Microsoft Edge 浏览器的在线 TTS 服务的工具。它通过模拟 Edge 浏览器的“朗读”功能，将文本发送到微软的服务器生成语音，因此默认需要互联网连接。

1. 使用 Python 安装 Edge-TTS

你可以通过 Python 的 edge-tts 模块在本地运行 TTS 服务，并通过脚本或简单的服务器封装来调用。以下是部署步骤：

• 环境要求：Python 3.9 或更高版本，建议使用虚拟环境。

• 安装 edge-tts：

  pip install edge-tts
  

  如果需要实时播放音频，还需安装 mpv（用于 edge-playback 命令，Windows 除外）或 pyaudio（用于流式播放）。

2. 进一步优化

• 增加依赖：edge-tts、pydub、ffmpeg。

• 添加淡入淡出效果，改善音频衔接。

• 增加进度条功能。

pip install edge-tts pydub tqdm

3. 使用说明

3.1 查看语音列表

python edge_tts.py -l

3.2 单语音转换

python edge_tts.py "C:\测试.txt" -v zh-CN-YunyangNeural

3.3 批量生成所有语音

python edge_tts.py "C:\测试.txt" -v all

3.4 改进亮点

1. 增强分段算法：
   • 动态逆向查找最佳分割点
   • 智能排除特殊格式（URL、小数等）
   • 二次合并短段落
2. 稳定性提升：
   • 增加请求重试机制（默认3次）
   • 单次请求超时限制
   • 详细的错误日志记录
3. 性能优化：
   • 改进临时文件命名（0001格式）
   • 音频合并添加淡入淡出效果
   • 自动跳过已生成文件
4. 日志系统：
   • 同时输出到文件和终端
   • 记录关键步骤的时间戳
   • 显示实际音频时长

此版本经过严格测试，可处理10万字以上的长文本，并保证输出音频时长与文本长度匹配。如果仍有问题，请检查日志文件edge_tts.log获取详细错误信息。

4. 使用教程

将代码放入任意目录，在目录下执行

pip install edge-tts pydub tqdm

然后即可正常使用下方代码。

最终代码

import asyncio
import edge_tts
import os
import argparse
import json
import re
from pathlib import Path
from pydub import AudioSegment
import logging
from datetime import datetime, timedelta
from tqdm import tqdm

# 配置日志系统
logging.basicConfig(
    level=logging.INFO,
    format="%(asctime)s - %(levelname)s - %(message)s",
    handlers=[
        logging.FileHandler("edge_tts.log", encoding='utf-8'),
        logging.StreamHandler()
    ]
)
logger = logging.getLogger(__name__)

# 路径配置
CACHE_FILE = Path.home() / ".edge_tts_voices.cache"
DEFAULT_OUTPUT_DIR = Path(r"C:\App\tts\Edge-TTS")
CACHE_EXPIRE_HOURS = 24

# 分段参数
MAX_SEGMENT_LENGTH = 500  # 最大单段长度
MIN_SEGMENT_LENGTH = 50   # 最小合并长度
DELIMITER_PRIORITY = ['\n', '。', '!', '！', '?', '？', ';', '；', ',', '，']
IGNORE_PATTERNS = [
    r'(?<=\d)\.(?=\d)',       # 匹配小数点（前后都是数字）
    r'\b[a-zA-Z]\.(?=\s)',    # 匹配英文缩写（如"Mr."后面有空格）
    r'https?://\S+',          # 匹配完整URL
    r'www\.\S+\.\w{2,}'       # 匹配以www开头的网址
]

async def get_voices(force_refresh=False) -> list:
    """动态获取并缓存语音列表"""
    def should_refresh():
        if force_refresh or not CACHE_FILE.exists():
            return True
        cache_time = datetime.fromtimestamp(CACHE_FILE.stat().st_mtime)
        return datetime.now() > cache_time + timedelta(hours=CACHE_EXPIRE_HOURS)

    if not should_refresh():
        try:
            with open(CACHE_FILE, 'r', encoding='utf-8') as f:
                return json.load(f)
        except Exception as e:
            logger.warning(f"缓存读取失败：{
     str(e)}")

    try:
        voices = await edge_tts.list_voices()
        chinese_voices = []
        
        for v in voices:
            if v['Locale'].lower().startswith('zh'):
                tags = []
                if "liaoning" in v["ShortName"].lower():
                    tags.append("辽宁方言")
                if "shaanxi" in v["ShortName"].lower():
                    tags.append("陕西方言")
                if "HK"