【开源项目】Python 免费文生音频 TTS 方案实战测评：gTTS、edge_tts 与 pyttsx3 效果对比

在python中，已经有很多TTS相关的包，可以拿来即用，以下是我整理的一些简单免费的方案，仅供参考：

• 利用google的免费文本转语音API服务
• 需要能访问谷歌的网络环境
• 一键安装，转换速度快，转换质量一般
• 开源地址：https://github.com/pndurette/gTTS
  官方教程：https://gtts.readthedocs.io/en/latest/index.html

pip install gTTS

from gtts import gTTS
tts = gTTS(text='您好，我是一直可爱的小猪！', lang='zh')
tts.save('test.mp3')

• 利用微软的免费文本转语音API服务
• 微软已禁止国内访问这个服务，需要外网环境
• 一键安装，转换速度快，质量较好，可控选项多
• 开源地址：https://github.com/rany2/edge-tts

pip install edge_tts

• 可以通过命令edge-tts --list-voice列出所有支持的语音，以下是常用的中文语音：
  • zh-CN-XiaoxiaoNeural - 女声，自然
  • zh-CN-YunxiNeural - 男声，自然
  • zh-CN-YunyangNeural - 男声，新闻播报风格
  • zh-CN-XiaoxuanNeural - 女声，成熟
  • zh-CN-YunxiaNeural - 男声，少年
  • zh-CN-YunjianNeural - 男声，播报解说风格
  • zh-HK-WanLungNeural - 男生，粤语
• 代码示例：

  import asyncio
  import edge_tts
  async def ttsWork(text, file_path, voice="zh-CN-YunxiNeural", rate="+0%", volume="+0%", proxy=None):
      communicator = edge_tts.Communicate(
          text,  # 需要转换的文本
          voice=voice,  # 配音员口音
          rate=rate,  # 语速控制
          volume=volume,  # 音量控制
          proxy=proxy  # 请求代理设置
      )
      await communicator.save(file_path)
  #国内环境需要设置有效的proxy，国外服务器则不需要配置proxy
  asyncio.run(ttsWork("您好，我是一直可爱的小猪！", "test.mp3", proxy="http://127.0.0.1:10808"))

• 声音类型：zh-CN-XiaoxiaoNeural

   

• 声音类型：zh-CN-YunxiNeural

   

• 声音类型：zh-CN-YunyangNeural

   

• 声音类型：zh-CN-XiaoxuanNeural

   

• 声音类型：zh-CN-YunxiaNeural

   

• 声音类型：zh-HK-WanLungNeural

   

• 跨系统使用，利用系统上安装的TTS引擎驱动
• 不需要网络连接，完全离线使用
• 安装简单，转换速度快，质量一般
• 开源地址：https://github.com/nateshmbhat/pyttsx3

window安装TTS引擎

无需处理，一般默认支持

linux（debian系列）安装TTS引擎

sudo apt update && sudo apt install espeak-ng libespeak1

macOS安装TTS引擎

略过，没有mac电脑

开始安装python包

pip install pyttsx3

import pyttsx3
# 初始化语音引擎
engine = pyttsx3.init()
# 设置要说的文本
text = "您好，我是一直可爱的小猪！"
# 设置语速,默认值是200
engine.setProperty('rate', 100)
# 设置音量,默认值是1.0
engine.setProperty('volume', 1.0)
# 保存到文件
engine.save_to_file(text, 'test.wav')
engine.runAndWait()

• 以上几种tts方案都能实现多种语言文本转语音的功能，但是微软是基于神经网络的tts，在可控性和质量上更胜一筹
• 如果只是需要文本转语音功能，不要求语音质量，追求稳定性、低依赖，如读书场景、AI回答朗读，可以选择pyttsx3