文本转语音（TTS）技术已经成为现代应用程序中的重要组成部分，从语音助手到有声读物，TTS的应用无处不在。

然而，许多高质量的TTS服务（如OpenAI、Azure、ElevenLabs）都需要付费，这对于个人开发者和中小企业来说可能是一个负担。

那么，有没有一种既高质量又免费的替代方案呢？答案是肯定有的。

就是我们今天的主角：openai-edge-tts。

它利用微软Edge的在线语音服务，提供与这些付费服务相媲美的功能和语音质量，让用户无需为TTS服务花费一分钱。

项目简介

OpenAI-Edge-TTS 是一个开源的免费文本转语音API接口，托管在GitHub上。

它通过调用微软 Edge 的在线语音服务，为用户提供免费且高质量的语音生成功能。

不仅支持多种语音和语言选择，还允许用户自由调整播放速度和音频格式，真正实现了个性化的语音体验，使其成为一个灵活且功能强大的TTS解决方案。

主要特点

• 高质量免费语音服务：借助微软 Edge 在线语音服务，OpenAI-Edge-TTS提供了高质量的语音输出，而不需要用户支付任何费用。
• 多种语音和语言选项：用户可以选择多种语音和语言，为不同的应用场景提供合适的语音输出。
• 灵活的播放速度：支持调节播放速度，用户可以根据需要自由设置语音的快慢，增强听觉体验。
• 多种音频格式支持：OpenAI-Edge-TTS支持包括mp3、aac、flac、wav等多种音频格式，方便用户在不同设备和平台上使用。
• 兼容OpenAI结构：/v1/audio/speech，具有类似请求结构和行为。
• 易于部署：提供Docker一键部署方式，让用户可以快速上手体验，无需繁琐的安装和配置。

安装使用方法

使用 openai-edge-tts 非常简单，即使是初学者也能快速部署和使用。

Docker 部署

① 克隆项目到本地

git clone https://github.com/travisvn/openai-edge-tts.git
cd openai-edge-tts

② 配置环境变量，在根目录中创建一个.env文件，包含以下变量：

API_KEY=your_api_key_here
PORT=5050

DEFAULT_VOICE=en-US-AndrewNeural
DEFAULT_RESPONSE_FORMAT=mp3
DEFAULT_SPEED=1.2

DEFAULT_LANGUAGE=en-US

REQUIRE_API_KEY=True
REMOVE_FILTER=False
EXPAND_API=True

或者，复制默认的.env.example。

cp .env.example .env

③ 使用Docker Compose运行

docker compose up --build

当然也可以直接使用Docker运行：

docker build -t openai-edge-tts .
docker run -p 5050:5050 --env-file .env openai-edge-tts

要在后台运行容器，请在docker run命令后添加-d：

docker run -d -p 5050:5050 --env-file .env openai-edge-tts

④ 访问 API

服务将在 http://localhost:5050 上可用，直接访问即可使用。

Python环境部署

前两步，跟Docker部署一样，需要额外做的是创建Python虚拟环境：

# For macOS/Linux
python3 -m venv venv
source venv/bin/activate

# For Windows
python -m venv venv
venv\Scripts\activate

安装Python依赖三方库

pip install -r requirements.txt

最后，执行Python服务，开启 http://localhost:5050 服务。

python app/server.py

然后就可以测试API了，比如：在
http://localhost:5050/v1/audio/speech 和其他可用的端点上与 API 交互。

WebUI 界面：

用法：

端点: /v1/audio/speech，从输入文本生成音频。

必选参数：

输入 (字符串): 要转换为音频的文本（最多4096个字符）。

可选参数：

• model (string): 设置为 "tts-1" 或 "tts-1-hd"（默认："tts-1"）。
• voice (string): 一个与OpenAI兼容的语音（alloy, echo, fable, onyx, nova, shimmer）或任何有效的edge-tts语音（默认："en-US-AndrewNeural"）。
• response_format (string): 音频格式，选项：mp3、opus、aac、flac、wav、pcm（默认：mp3）。
• speed (number): 播放速度（0.25 到 4.0），默认值为 1.2。

API 示例：

curl -X POST http://localhost:5050/v1/audio/speech \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer your_api_key_here" \
  -d '{
    "model": "tts-1",
    "input": "じゃあ、行く。電車の時間、調べておくよ。",
    "voice": "ja-JP-KeitaNeural"
  }' \
  --output speech.mp3

写在最后

OpenAI-Edge-TTS 的出现，真正降低了高质量文本转语音服务的门槛，为用户提供了一种免费的替代方案。

它不仅拥有强大的功能，还非常易于使用和部署，是那些寻求高质量但又希望节省成本的用户的理想选择。

GitHub 项目地址：
https://github.com/travisvn/ope