zhz-tts

中英文AI语音合成工具，支持 Edge-TTS（免费）和 DashScope CosyVoice 接口。用于将文字转换为语音并保存为 MP3 文件。英文听力练习时自动 0.9 倍速。当用户需要将文字转为语音文件时使用。

中英文AI语音合成工具

基于 Edge-TTS（免费）和 DashScope CosyVoice 接口的语音合成工具，专为中文用户设计。

适用场景：

• 英文听力练习：英文文本默认以 0.9 倍速朗读，方便跟读和听写
• 中文有声内容：将文章、笔记转为语音文件
• 多语言朗读：支持中、英、日、韩等多种语言和音色

安装依赖

bash

pip install edge-tts requests pyyaml

快速开始

bash

# 英文听力练习（自动 0.9 倍速）
python scripts/main.py -t "The quick brown fox jumps over the lazy dog." -a fox.mp3

# 朗读英文文章
python scripts/main.py --textfile article.txt -a article.mp3

# 中文语音
python scripts/main.py -t "你好世界" -a hello.mp3

# 自定义语速和音色
python scripts/main.py -t "Hello world" -a hello.mp3 -v en-US-JennyNeural -r "-20%"

# 使用 DashScope CosyVoice
python scripts/main.py -t "你好" -a hello.mp3 -e dashscope -v longxiaochun

# 列出可用音色
python scripts/main.py --list-voices
python scripts/main.py --list-voices --lang en

# 查看帮助
python scripts/main.py --help

命令行参数

参数	短参数	说明
--text	-t	要合成的文本内容
--textfile		从文件读取文本（支持 UTF-8 编码的 txt/md 等）
--audio	-a	输出音频文件路径（默认: output.mp3）
--engine	-e	TTS 引擎: edge（免费，默认）或 dashscope（阿里云）
--voice	-v	音色名称（不指定则根据语言自动选择）
--model	-m	DashScope 模型ID（仅 dashscope 引擎，默认: cosyvoice-v1）
--rate	-r	语速调整，如 +20%（加速）、-10%（减速）。英文默认 -10%（0.9 倍速），中文默认 +0%
--volume		音量调整，如 +20%、-10%（默认 +0%）
--list-voices		列出可用的音色（配合 --lang 过滤语言）
--lang		语言过滤，配合 --list-voices 使用（默认 zh，可选 en/ja/ko 等）
--help	-h	显示帮助信息

支持的引擎

引擎	说明	需要 API Key
edge	微软 Edge 神经网络 TTS（免费）	❌ 不需要
dashscope	阿里云 CosyVoice	✅ 需要 DASHSCOPE_API_KEY

Edge-TTS 常用音色

音色	语言	性别	特点
zh-CN-XiaoxiaoNeural	中文	女	温暖自然，适合通用场景
zh-CN-YunxiNeural	中文	男	年轻活力
zh-CN-YunyangNeural	中文	男	新闻播报风格
zh-CN-XiaoyiNeural	中文	女	活泼可爱
zh-TW-HsiaoChenNeural	繁体中文	女	台湾口音
en-US-GuyNeural	英文	男	自然流畅
en-US-JennyNeural	英文	女	温暖亲切
en-GB-RyanNeural	英文	男	英式口音

DashScope CosyVoice 音色

音色	性别	特点
longxiaochun	女	温柔女声
longxiaoxia	女	甜美女声
longxiaochen	男	沉稳男声
longxiaobai	男	清朗男声
longlaotie	男	东北口音
longshu	男	书生风格
longjing	女	文静女声
longshuo	男	阳光男声

配置文件

工具会自动加载配置文件，按以下优先级查找：

1. .zhz/tts/config.yaml（项目级）
2. ~/.zhz/tts/config.yaml（用户级）

配置文件格式：

yaml

# 默认引擎
default_engine: edge

# Edge-TTS 默认音色
default_voice: zh-CN-XiaoxiaoNeural

# DashScope 默认模型
default_model: cosyvoice-v1

环境变量

变量	说明
DASHSCOPE_API_KEY	DashScope API密钥（仅 dashscope 引擎需要）
DASHSCOPE_BASE_URL	自定义 API 端点（可选）

英文听力练习示例

bash

# 课文朗读（0.9 倍速）
python scripts/main.py --textfile lesson.txt -a lesson.mp3

# 更慢速度（0.8 倍速，适合初学者）
python scripts/main.py --textfile lesson.txt -a lesson_slow.mp3 -r "-20%"

# 正常速度（适合复习）
python scripts/main.py --textfile lesson.txt -a lesson_normal.mp3 -r "+0%"

# 指定女声朗读
python scripts/main.py --textfile lesson.txt -a lesson.mp3 -v en-US-JennyNeural

注意事项

• Edge-TTS 是免费服务，无需 API Key，适合大多数场景
• DashScope CosyVoice 需要 API Key，中文语音质量更高
• 工具会自动检测文本语言并选择合适的默认音色
• 英文文本默认 0.9 倍速（-10%），适合听力练习；可通过 --rate 覆盖
• 中文文本默认正常速度（+0%）
• 语速和音量参数格式为百分比字符串，如 "+20%"、"-10%"
• 长文本合成可能需要较长时间