SpeakItAI：基于Azure与Gradio的多语言神经语音合成工具/文本转语音（TTS）应用

SpeakItAI简介

SpeakItAI 是一款开源的文本转语音（TTS）应用，结合了 Microsoft Azure 的神经语音合成服务与 Gradio 的简洁 Web 界面，旨在为用户提供自然流畅的语音输出体验。

核心功能

• 多语言支持：支持超过 140 种语言和方言，涵盖英式英语、美式英语、法语、德语、俄语、中文、西班牙语、印地语等，满足全球用户的需求。

• 语音参数调节：用户可根据需求调整语音的风格、语速和音调，实现个性化的语音输出。

• 多种输入方式：支持直接在文本框中输入文本或上传 .txt 文件，方便灵活。

• 音频输出：生成的语音以 .wav 格式输出，可直接在浏览器中播放，提升用户体验。

• 智能界面设计：下拉菜单自动填充默认语言、语音和风格，界面显示人类可读的语言名称（如“English (UK)”），增强用户友好性。

• 模块化架构：采用模块化设计，便于未来功能扩展和维护。

免费使用 Azure 神经语音合成

Microsoft Azure 提供免费的神经语音合成服务，每月可免费转换 50 万字符，适用于 F0（免费）定价层。

• 按字符计费：超出免费额度后，按字符计费，费用透明。

• 每月重置：免费额度每月自动重置，无需手动操作。

• 无需信用卡：注册使用免费服务时，无需提供信用卡信息，降低试用门槛。

快速开始指南

1. 克隆项目仓库：

   git clone https://github.com/loglux/SpeakItAI.git
   cd SpeakItAI

2. 创建 Azure 语音资源：
   在 Azure 门户中创建语音资源（建议选择 F0 免费层），获取密钥和区域信息。

3. 配置环境变量：
   复制 .env.example 文件为 .env，并填入 Azure 的密钥和区域信息。

4. 安装依赖：
   建议使用虚拟环境，安装所需的 Python 依赖包。

5. 运行应用：
   执行 python app.py 启动应用，即可在浏览器中访问界面，开始使用。

使用注意事项

• 若同时提供文本框输入和文件上传，系统优先处理上传的文件。

• 仅支持上传 .txt 格式的文件，确保文件格式正确。

• 输出的音频文件为 .wav 格式，可直接在浏览器中播放。

• 若选择的语音不支持特定风格，系统将自动使用默认风格。

SpeakItAI 的设计旨在为用户提供高质量、个性化的语音合成体验，适用于内容创作、教育培训、无障碍访问等多种场景。

SpeakItAI项目地址

GitHub：https://github.com/loglux/SpeakItAI

本文链接：https://www.lb1581.xyz/post/12737.html 转载需授权!