51工具盒子背景介绍
今天给大家分享一款开源语音合成技术TTS项目edge-tts, 其底层是使用微软edge的在线合成服务。在中文语音合成方面，除了普通话外，支持地方口音(比如: 陕西方言、台湾口音、粤语等等),ChatTTS目前是不支持方言语音合成。 下面进入我们今天的主题~
本文目录
-
edge-tts开源项目介绍
-
edge-tts语音合成教程
-
安装对应的环境
-
查看edge-tts支持的语言
-
-
基于命令行端-来生成语音教程
-
合成对应的香港话、粤语语音-效果展示
-
合成对应陕西方言语音-效果展示
-
合成对应男语音-效果展示
-
合成对应台湾口音-效果展示
-
调整合成语音的语速--rate参数
-
调整合成语音的音量--volume
-
调整合成语音的频率--pitch
-
基于python代码-来合成语音
-
-
参考文档
edge-tts开源项目介绍
edge-tts是github上高赞的开源文本合成语音TTS项目，该项目截止目前点赞累计点赞达4k! 该项目核心就是调用微软edge的在线语音合成服务，支持40多种语言，318种声音；其中在中文方面，除了普通话外，支持地方口音(比如: 陕西方言、台湾口音、粤语等等),效果可以说是吊打ChatTTS。
下面我给大家实操如何利用edge-tts来实现多种方言的语音合成。
edge-tts语音合成教程
安装对应的环境
!pip install edge-tts
!pip install torchaudio
import edge_tts
print("edge_tts:", edge_tts.__version__)
#edge_tts: 6.1.12
查看edge-tts支持的语言
!edge-tts --list-voices # 查看其支持的所有声音
基于命令行端-来生成语音教程
合成对应的香港话、粤语语音-效果展示
获得支持的香港话、粤语语音明细
!edge-tts --list-voices| grep HK # TW
Name: en-HK-SamNeural
Name: en-HK-YanNeural
Name: zh-HK-HiuGaaiNeural
Name: zh-HK-HiuMaanNeural
Name: zh-HK-WanLungNeural
命令行合成生成对应的粤语效果
!edge-tts --voice zh-HK-WanLungNeural \
--text "曾经有一份真诚的爱情放在我面前，我没有珍惜，等我失去的时候我才后悔莫及，人世间最痛苦的事莫过于此。\
如果上天能够给我一个再来一次的机会，我会对那个女孩子说三个字：我爱你。\
如果非要在这份爱上加上一个期限，我希望是......一万年" --write-media test.mp3
import torchaudio
from IPython.display import Audio
waveform, sample_rate = torchaudio.load("test.mp3")
Audio(waveform, rate=sample_rate, autoplay=True)
运行的效果展示:
语音效果如下：
合成对应陕西方言语音-效果展示
!edge-tts --list-voices |grep CN# 查看其支持的中国话
Name: zh-CN-XiaoxiaoNeural
Name: zh-CN-XiaoyiNeural
Name: zh-CN-YunjianNeural
Name: zh-CN-YunxiNeural
Name: zh-CN-YunxiaNeural
Name: zh-CN-YunyangNeural
Name: zh-CN-liaoning-XiaobeiNeural
Name: zh-CN-shaanxi-XiaoniNeural
命令行合成生成对应的陕西方言语音
!edge-tts --voice zh-CN-shaanxi-XiaoniNeural \
--text "曾经有一份真诚的爱情放在我面前，我没有珍惜，等我失去的时候我才后悔莫及，人世间最痛苦的事莫过于此。\
如果上天能够给我一个再来一次的机会，我会对那个女孩子说三个字：我爱你。\
如果非要在这份爱上加上一个期限，我希望是......一万年" --write-media test.mp3
import torchaudio
from IPython.display import Audio
waveform, sample_rate = torchaudio.load("test.mp3")
Audio(waveform, rate=sample_rate, autoplay=True)
语音效果如下：
合成对应男语音-效果展示
!edge-tts --voice zh-CN-YunyangNeural \
--text "曾经有一份真诚的爱情放在我面前，我没有珍惜，等我失去的时候我才后悔莫及，人世间最痛苦的事莫过于此。\
如果上天能够给我一个再来一次的机会，我会对那个女孩子说三个字：我爱你。\
如果非要在这份爱上加上一个期限，我希望是......一万年" --write-media test.mp3
import torchaudio
from IPython.display import Audio
waveform, sample_rate = torchaudio.load("test.mp3")
Audio(waveform, rate=sample_rate, autoplay=True)
语音效果如下：
合成对应台湾口音-效果展示
获得支持的台湾语音明细
!edge-tts --list-voices| grep TW
Name: zh-TW-HsiaoChenNeural
Name: zh-TW-HsiaoYuNeural
Name: zh-TW-YunJheNeural
合成对应台湾语音
!edge-tts --voice zh-TW-YunJheNeural \
--text "曾经有一份真诚的爱情放在我面前，我没有珍惜，等我失去的时候我才后悔莫及，人世间最痛苦的事莫过于此。\
如果上天能够给我一个再来一次的机会，我会对那个女孩子说三个字：我爱你。\
如果非要在这份爱上加上一个期限，我希望是......一万年" --write-media test.mp3
import torchaudio
from IPython.display import Audio
waveform, sample_rate = torchaudio.load("test.mp3")
Audio(waveform, rate=sample_rate, autoplay=True)
语音效果如下：
调整合成语音的语速--rate参数
通过rate参数来设置播放的语速快慢，-30%表示语速变慢30%，+30%表示语速增加30%。
!edge-tts --rate=-30% --voice zh-HK-WanLungNeural \
--text "曾经有一份真诚的爱情放在我面前，我没有珍惜，等我失去的时候我才后悔莫及，人世间最痛苦的事莫过于此。\
如果上天能够给我一个再来一次的机会，我会对那个女孩子说三个字：我爱你。\
如果非要在这份爱上加上一个期限，我希望是......一万年" --write-media test.mp3
import torchaudio
from IPython.display import Audio
waveform, sample_rate = torchaudio.load("test.mp3")
Audio(waveform, rate=sample_rate, autoplay=True)
语音效果如下：
调整合成语音的音量--volume
通过--volume参数来设置播放的语速快慢，-60%表示语速变慢60%，+60%表示语速增加60%。
!edge-tts --volume=-50% --voice zh-HK-WanLungNeural \
--text "曾经有一份真诚的爱情放在我面前，我没有珍惜，等我失去的时候我才后悔莫及，人世间最痛苦的事莫过于此。\
如果上天能够给我一个再来一次的机会，我会对那个女孩子说三个字：我爱你。\
如果非要在这份爱上加上一个期限，我希望是......一万年" --write-media test.mp3
import torchaudio
from IPython.display import Audio
waveform, sample_rate = torchaudio.load("test.mp3")
Audio(waveform, rate=sample_rate, autoplay=True)
调整合成语音的频率--pitch
通过pitch参数来调整合成语音的频率
!edge-tts --pitch=-50Hz --voice zh-HK-WanLungNeural \
--text "曾经有一份真诚的爱情放在我面前，我没有珍惜，等我失去的时候我才后悔莫及，人世间最痛苦的事莫过于此。\
如果上天能够给我一个再来一次的机会，我会对那个女孩子说三个字：我爱你。\
如果非要在这份爱上加上一个期限，我希望是......一万年" --write-media test.mp3
import torchaudio
from IPython.display import Audio
waveform, sample_rate = torchaudio.load("test.mp3")
Audio(waveform, rate=sample_rate, autoplay=True)
语音效果如下：
基于python代码-来合成语音
import asyncio
import edge_tts
import torchaudio
from IPython.display import Audio
TEXT = """曾经有一份真诚的爱情放在我面前，我没有珍惜，等我失去的时候我才后悔莫及，人世间最痛苦的事莫过于此。
如果上天能够给我一个再来一次的机会，我会对那个女孩子说三个字：我爱你。如果非要在这份爱上加上一个期限，我希望是......一万年"""
VOICE = "zh-HK-HiuGaaiNeural" #选择对应的声音
OUTPUT_FILE = "test.mp3"
communicate = edge_tts.Communicate(TEXT,
VOICE,
rate='+0%',
volume= '+0%',
pitch= '+50Hz')
communicate.save_sync(OUTPUT_FILE)
waveform, sample_rate = torchaudio.load(OUTPUT_FILE)
Audio(waveform, rate=sample_rate, autoplay=True)
语音效果如下：
参考文档
- https://github.com/rany2/edge-tts
