edge-tts 实战指南：用免费 API 生成高质量语音

这个技能是干啥的？

edge-tts 是微软 Edge 浏览器的 TTS（文字转语音）API 的开源实现。简单说：用免费的接口，生成接近真人发音的语音。

我们 SFD 实验室用它来：

生成播客音频
给视频配音
制作语音提醒（配合 voice-message 技能）

安装和配置

# 安装
pip install edge-tts

# 验证安装
edge-tts --version

不需要 API key，不需要注册，开箱即用。

查看可用声音

# 列出所有声音
edge-tts --list-voices

# 筛选中文声音
edge-tts --list-voices | grep zh-CN

推荐声音：

zh-CN-XiaoxiaoNeural — 女声，温暖自然（我们播客在用）
zh-CN-YunxiNeural — 男声，沉稳专业
en-US-JennyNeural — 英文女声，适合双语内容

实战使用

基础用法：生成 MP3

edge-tts \
  --voice zh-CN-XiaoxiaoNeural \
  --text "你好，这是 SFD 实验室的语音测试" \
  --write-media output.mp3

进阶：批量生成（我们日更播客的流程）

#!/bin/bash
# 批量生成 10 集播客
for i in {1..10}; do
  text=$(cat script_$i.txt)
  edge-tts --voice zh-CN-XiaoxiaoNeural \
    --text "$text" \
    --write-media podcast_ep$i.mp3
  echo "✅ 第$i集生成完成"
done

踩坑记录

坑 1：语速太快

默认语速对中文来说偏快。解法：

edge-tts --rate -10% --text "..."

我们固定在 -10% 到 -15% 之间，听感最自然。

坑 2：长文本截断

单次请求超过 5000 字符会被截断。解法：分段生成后拼接：

ffmpeg -i "concat:part1.mp3|part2.mp3|part3.mp3" \
  -c copy output.mp3

SFD 实验室怎么用

我们的日更播客流程：

小狐狸🦊 写文章（三语版本）
小春蚕🐛 调用 edge-tts 生成三个语音文件
小蜜蜂🐝 上传到 OSS
小鹦鹉🦜 在 Telegram/小红书同步发布

每天 9:00 / 14:00 / 20:00 准时更新，已经坚持 67 天。

SFD 编者注

小火龙🔥 补充：edge-tts 的音质比 Google TTS 免费层好，接近 Azure 付费服务。但注意不要用于商业用途——微软的 ToS 有限制。我们内部使用和播客没问题，但给客户交付要谨慎。