text-to-speech

文本转语音工具，支持命令行和 Python API。

功能特性

• 支持文本转语音
• 支持多种说话人
• 流式输出支持
• 命令行工具和 Python API 两种使用方式
• Provider 抽象层，可扩展支持不同 TTS 服务

安装

从源码安装

cd text-to-speech
pip install -e .

使用 pip 安装

pip install text-to-speech

配置

各 Provider 通过环境变量配置，创建 .env 文件：

# StreamTTSProvider 配置
TTS_URL=http://your-tts-server:8002/tts_stream

或直接设置环境变量：

export TTS_URL="http://your-tts-server:8002/tts_stream"

注意: 不同的 Provider 有各自的配置项，通过环境变量管理，CLI 只暴露通用参数。

命令行使用

基本用法

# 进入目录并激活虚拟环境
cd text-to-speech
source venv/bin/activate

# 直接输入文本（使用默认 StreamTTSProvider）
python -m text_to_speech "你好世界" -o output.wav

# 从文件读取文本
python -m text_to_speech -i input.txt -o output.wav

# 使用本地 TTS（无需网络）
python -m text_to_speech "你好世界" -o output.wav --provider local

选项

# 指定说话人
python -m text_to_speech "你好世界" -o output.wav --spk-id female

# 列出可用的 providers
python -m text_to_speech --list-providers

# 列出可用的音色
python -m text_to_speech --list-voices

# 详细输出
python -m text_to_speech "你好世界" -o output.wav -v

命令行参数

参数	说明
text	要转换的文本内容
-i, --input	输入文本文件路径
-o, --output	输出音频文件路径（必需）
--spk-id	说话人 ID（默认 xiaoyan），使用 --list-voices 查看可用 ID
--provider	TTS provider 名称（默认 default）
--list-providers	列出所有可用的 TTS providers
--list-voices	列出所有可用的音色
-v, --verbose	详细输出
--version	显示版本号

Python API

基本用法

from text_to_speech import TTSClient

# 创建客户端
client = TTSClient(content="你好世界", spk_id="xiaoyan")

# 转换并保存
audio = client.convert(output_path="output.wav")

使用自定义 Provider

from text_to_speech import TTSClient, StreamTTSProvider

# 创建自定义 provider
provider = StreamTTSProvider(url="http://custom-server:8002/tts")

# 使用 provider 创建客户端
client = TTSClient(content="你好世界", provider=provider)
audio = client.convert(output_path="output.wav")

使用回调函数

from text_to_speech import TTSClient, TTSResult

def on_progress(result: TTSResult):
    if result.type == 0:
        print(f"Processing: received {len(result.audio)} bytes")
    elif result.type == 1:
        print("Completed!")
    else:
        print(f"Error: {result.message}")

client = TTSClient(
    content="你好世界",
    spk_id="xiaoyan",
    callback=on_progress
)
client.start()

便捷函数

from text_to_speech import text_to_speech

# 一行代码完成转换
audio = text_to_speech("你好世界", output_path="output.wav")

扩展 TTS 服务

通过实现 TTSProvider 基类，可以添加新的 TTS 服务支持：

from text_to_speech.providers import TTSProvider
from typing import Iterator

class MyTTSProvider(TTSProvider):
    def __init__(self, api_key: str, ...):
        self.api_key = api_key
    
    def synthesize(self, text: str, spk_id: str) -> Iterator[bytes]:
        # 实现你的 TTS 服务调用逻辑
        # 返回音频数据流
        ...
        yield audio_chunk

# 使用自定义 provider
provider = MyTTSProvider(api_key="xxx")
client = TTSClient(content="你好", provider=provider)

API 参考

TTSClient

TTSClient(
    content: str,              # 要转换的文本
    spk_id: str = "xiaoyan",   # 说话人 ID
    callback: Callable = None, # 进度回调
    provider: TTSProvider = None, # TTS 服务提供者
    tts_url: str = None        # TTS 服务 URL（向后兼容）
)

TTSResult

@dataclass
class TTSResult:
    type: int       # 0=处理中, 1=完成, -1=错误
    message: str    # 错误消息
    audio: bytes    # 音频数据
    process: int    # 处理进度

TTSProvider

class TTSProvider(ABC):
    @abstractmethod
    def synthesize(self, text: str, spk_id: str) -> Iterator[bytes]:
        """将文本转换为语音，返回音频数据流"""
        pass

作为模块运行

python -m text_to_speech "你好世界" -o output.wav

License

MIT License