从零搭建一个免费的文本转语音在线工具（基于 Edge TTS）
项目在线体验地址：https://text2voice.cc
GitHub 源码：文末附完整代码
前言
最近有个需求，需要把一段文字转换成语音，找了几个在线工具，要么收费，要么有水印，要么音质惨不忍睹。后来发现微软 Edge 浏览器的 TTS（Text-to-Speech）服务音质非常好，而且免费开放使用。于是动手写了一个在线工具，分享给大家。
主要功能：
- 支持中文、英文、日文、韩文等多种语言
- 多种语音角色可选（男声/女声）
- 可调节语速和音调
- 支持在线播放和 MP3 下载
- 响应式设计，手机也能用
技术选型
为什么选择 Edge TTS？
| 方案 | 音质 | 免费额度 | 下载支持 |
|---|---|---|---|
| 百度语音合成 | 一般 | 有限制 | 支持 |
| 讯飞语音 | 较好 | 有限制 | 支持 |
| Web Speech API | 取决于系统 | 免费 | 不支持 |
| Edge TTS | 优秀 | 免费 | 支持 |
Edge TTS 使用微软 Neural TTS 技术，生成的语音接近真人，而且完全免费，没有调用次数限制。
项目架构
浏览器 (HTML/CSS/JS)
│
│ POST /api/tts
▼
Flask 服务端 (server.py)
│
│ WebSocket
▼
Microsoft Edge TTS 服务
│
│ MP3 音频流
▼
浏览器播放/下载
- 前端：原生 HTML + CSS + JavaScript，无框架依赖
- 后端：Flask 提供静态文件服务和 TTS API 代理
- 语音合成：通过 edge-tts Python 包调用微软服务
核心代码实现
1. 后端服务 (server.py)
#!/usr/bin/env python3
from flask import Flask, request, jsonify, send_from_directory
import edge_tts
import asyncio
import io
app = Flask(__name__, static_folder="web")
@app.route("/api/tts", methods=["POST"])
def tts():
data = request.get_json()
text = data.get("text", "").strip()
voice = data.get("voice", "zh-CN-XiaoxiaoNeural")
rate = data.get("rate", "+0%")
pitch = data.get("pitch", "+0Hz")
if not text:
return jsonify(error="文本内容不能为空"), 400
try:
audio_data = asyncio.run(synthesize(text, voice, rate, pitch))
return audio_data, 200, {
"Content-Type": "audio/mpeg"}
except Exception as e:
return jsonify(error=f"语音合成失败: {e}"), 500
async def synthesize(text, voice, rate, pitch):
communicate = edge_tts.Communicate(text, voice, rate=rate, pitch=pitch)
buffer = io.BytesIO()
async for chunk in communicate.stream():
if chunk["type"] == "audio":
buffer.write(chunk["data"])
return buffer.getvalue()
if __name__ == "__main__":
app.run(host="0.0.0.0", port=8000)
核心逻辑很简单：
- 接收前端传来的文本和语音参数
- 调用 edge-tts 进行语音合成
- 将音频流返回给前端
2. 前端调用 (app.js)
// 调用后端 TTS API
async function callEdgeTTS(text, voice, rate, pitch) {
const ratePercent = Math.round((rate - 1) * 100);
const rateStr = (ratePercent >= 0 ? '+' : '') + ratePercent + '%';
const pitchStr = (pitch >= 0 ? '+' : '') + pitch + 'Hz';
const response = await fetch('/api/tts', {
method: 'POST',
headers: {
'Content-Type': 'application/json' },
body: JSON.stringify({
text: text,
voice: voice,
rate: rateStr,
pitch: pitchStr
})
});
if (!response.ok) {
throw new Error('语音合成请求失败');
}
return await response.blob();
}
// 播放音频
function playAudioBlob(blob) {
const url = URL.createObjectURL(blob);
const audio = document.getElementById('audioPlayer');
audio.src = url;
audio.play();
}
// 下载 MP3
function downloadAudio(blob) {
const url = URL.createObjectURL(blob);
const a = document.createElement('a');
a.href = url;
a.download = 'tts_audio.mp3';
a.click();
}
3. 支持的语音列表
const VOICES = {
'zh-CN': {
label: '中文(普通话)',
voices: [
{
name: 'zh-CN-XiaoxiaoNeural', label: '晓晓', gender: '女' },
{
name: 'zh-CN-YunxiNeural', label: '云希', gender: '男' },
{
name: 'zh-CN-XiaoyiNeural', label: '晓伊', gender: '女' },
{
name: 'zh-CN-YunjianNeural', label: '云健', gender: '男' },
]
},
'en-US': {
label: '英文(美国)',
voices: [
{
name: 'en-US-JennyNeural', label: 'Jenny', gender: '女' },
{
name: 'en-US-GuyNeural', label: 'Guy', gender: '男' },
]
},
// ... 更多语言
};
双引擎备用机制
考虑到用户可能没有启动后端服务，我加了一个备用方案：当 Edge TTS 不可用时，自动切换到浏览器内置的 Web Speech API。
async function synthesize() {
try {
// 优先使用 Edge TTS
const blob = await callEdgeTTS(text, voice, rate, pitch);
playAudioBlob(blob);
enableDownload(); // 支持下载
} catch (edgeError) {
// 备用方案：Web Speech API
console.warn('Edge TTS 不可用，切换到浏览器内置语音');
const utterance = new SpeechSynthesisUtterance(text);
utterance.rate = rate;
speechSynthesis.speak(utterance);
disableDownload(); // 不支持下载
}
}
这样即使没有后端，用户也能听到语音，只是不能下载 MP3。
安全与限流
为了防止滥用，加了几个保护措施：
# 限制单次文本长度
MAX_TEXT_LENGTH = 1000
# 限制每小时请求次数
MAX_REQUESTS_PER_HOUR = 10
# 按 IP 记录请求
request_log = {
}
def check_rate_limit(ip):
now = time.time()
timestamps = request_log.get(ip, [])
timestamps = [t for t in timestamps if t > now - 3600]
request_log[ip] = timestamps
return len(timestamps) < MAX_REQUESTS_PER_HOUR
部署上线
本地运行
# 安装依赖
pip install flask edge-tts
# 启动服务
python server.py
# 访问 http://localhost:8000
生产环境部署
使用 Nginx 反向代理：
server {
listen 80;
server_name text2voice.cc;
location / {
proxy_pass http://127.0.0.1:8000;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
}
}
后台启动：
nohup python3 server.py > server.log 2>&1 &
项目结构
web_text2voice/
├── web/
│ ├── index.html # 主页面
│ ├── about.html # 关于页面
│ ├── privacy.html # 隐私政策
│ ├── css/
│ │ └── style.css # 样式文件
│ └── js/
│ └── app.js # 前端逻辑
├── server.py # Flask 后端服务
└── README.md # 项目文档
遇到的问题与解决
问题1：edge-tts 是异步的，Flask 是同步的
edge-tts 使用 asyncio，而 Flask 默认是同步的。解决方法是用 asyncio.run() 包装：
audio_data = asyncio.run(synthesize(text, voice, rate, pitch))
问题2：音频流如何返回给前端
edge-tts 返回的是异步生成器，需要收集所有 chunk：
async def synthesize(text, voice, rate, pitch):
communicate = edge_tts.Communicate(text, voice, rate=rate, pitch=pitch)
buffer = io.BytesIO()
async for chunk in communicate.stream():
if chunk["type"] == "audio":
buffer.write(chunk["data"])
return buffer.getvalue()
问题3：跨域问题
开发时可能遇到 CORS 问题，可以加个简单的 CORS 头：
@app.after_request
def after_request(response):
response.headers.add('Access-Control-Allow-Origin', '*')
return response
总结
这个项目虽然简单，但涵盖了前后端交互、异步处理、文件下载等常见场景。Edge TTS 的音质确实不错，适合做语音播报、有声书、视频配音等应用。
项目已开源，欢迎大家 Star 和 Fork！
相关链接：
- 在线体验：https://text2voice.cc
- edge-tts 文档：https://github.com/rany2/edge-tts
- Flask 官方文档：https://flask.palletsprojects.com/
