Edge TTS

Bordes

Edge-TTS es una implementación rápida del servicio de texto a voz de Microsoft Edge (TTS). Esta biblioteca proporciona una interfaz API simple y fácil de usar que permite a los desarrolladores integrar la funcionalidad de texto a voz de alta calidad en aplicaciones de plataforma Apple.

日本語ドキュメント | 中文文档 | 한국어 문서

Características

Múltiples voces e idiomas

• Más de 400 voces de redes neuronales
• Soporte para más de 100 idiomas y variantes regionales
• Efecto de síntesis del habla natural

Control de voz flexible

• Tasa de voz ajustable (-50% a +100%)
• Control de tono (-50Hz a +50Hz)
• Control de volumen (-50% a +50%)
• Selección de tipo de límite (oración/palabra)

Opciones de salida ricas

• Soporte para la exportación de formatos mp3
• Transmisión de síntesis del habla en tiempo real
• Conversión asincrónica y reproducción
• Exportación opcional de metadatos JSON
• Exportación de subtítulos SRT opcional
• Soporte de exportación de archivos multiplataforma (iOS/MacOS)

Herramientas de desarrollo

• Herramienta de línea de comandos para pruebas rápidas y procesamiento por lotes
• Aplicación GUI nativa con configuración visual
• Documentación de API detallada y ejemplos de uso

Compatibilidad multiplataforma

• macOS 13.0+
• iOS/iPados 15.0+

Instalación

Administrador de paquetes Swift

Agregue la siguiente dependencia a su archivo paquete.swift:

dependencies: [
    . package ( url : " https://github.com/brewusinc/edge-tts.git " , from : " 1.0.0 " )
] 

Comienzo rápido

Uso básico

import EdgeTTS

// Create TTS instance
let tts = EdgeTTS ( config : Configure (
    voice : " en-US-JennyNeural " ,
    rate : " +0% " ,
    pitch : " +0Hz " ,
    volume : " +0% " ,
    saveJSON : true ,  // Enable JSON metadata export
    saveSRT : true ,   // Enable SRT subtitle export
    boundaryType : . sentence  // Use sentence boundary (.word for word boundary)
) )

// Async conversion
Task {
    do {
        try await tts . ttsPromise ( text : " Hello, World! " , audioPath : " output.mp3 " )
        print ( " Conversion completed " )
    } catch {
        print ( " Conversion failed: ( error ) " )
    }
}

Uso de la herramienta de línea de comandos

La herramienta CLI proporciona dos comandos principales: list and speak .

Lista de voces disponibles

 # List all available voices
edge-tts-cli list

# List voices with proxy
edge-tts-cli list --proxy http://host:port

Convertir texto a discurso

 # Basic usage with text
edge-tts-cli speak --text " Hello, World! " --output hello.mp3

# Read text from file
edge-tts-cli speak --file input.txt --output hello.mp3

# Specify voice and language
edge-tts-cli speak --text " Hello, World! " --voice en-US-JennyNeural --lang en-US --output hello.mp3

# Adjust speech parameters
edge-tts-cli speak --text " Hello, World! " --rate +50% --pitch +10Hz --volume +20% --output hello.mp3

# Enable JSON and SRT export
edge-tts-cli speak --text " Hello, World! " --save-json --save-srt --output hello.mp3

# Set boundary type
edge-tts-cli speak --text " Hello, World! " --boundary word --output hello.mp3

# Use proxy
edge-tts-cli speak --text " Hello, World! " --proxy http://host:port --output hello.mp3

Opciones disponibles para el comando speak :

• --text : texto para hablar
• --file : ruta de archivo de texto de entrada
• --voice : Voice to Use (predeterminado: en-us-jennyneural)
• --lang : idioma para usar (predeterminado: en-us)
• --rate : tasa de voz (por ejemplo, +0%, -10%)
• --pitch : discurso (EG +0Hz, -10Hz)
• --volume : volumen del habla (p. Ej. +0%, -10%)
• --boundary : Tipo de límite (oración o palabra, predeterminado: oración)
• --save-json : guarde la información de tiempo como JSON
• --save-srt : Guardar información de sincronización como SRT
• --proxy : url proxy (por ejemplo, http: // host: puerto)
• --output : nombre de archivo de salida (predeterminado: output.mp3)

Uso de la aplicación GUI

1. Descargue e instale la última versión de la demostración de Edge TTS
2. Abra la aplicación e ingrese el texto que desea convertir
3. Seleccione la configuración deseada de voz y parámetros (velocidad, tono, volumen)
4. Habilitar la exportación JSON/SRT si es necesario
5. Elija el tipo de límite (oración o palabra)
6. Haga clic en el botón "Convertir y reproducir" para escuchar el discurso sintetizado
7. Use los botones de exportación para guardar archivos:
   • En iOS: utiliza la hoja de compartir el sistema para el manejo flexible de archivos
   • En macOS: utiliza el diálogo Guardar para elegir la ubicación de guardado

Características de exportación

Tipos de archivos

• MP3: archivo de audio con discurso sintetizado
• JSON: metadatos de tiempo para cada oración/palabra
• SRT: archivo de subtítulo con marcas de tiempo

Exportación específica de la plataforma

• iOS/iPados:
  • Integración de la hoja de compartir el sistema
  • Compartir a otras aplicaciones
  • Soporte AirDrop
  • Guardar en la aplicación Files
• macOS:
  • Diálogo Guardar nativo
  • Elija Guardar ubicación
  • Filtrado de tipo de archivo
  • Manejo automático de extensión de archivos

Voces comunes

Puede obtener la lista de voces compatibles con:

 let voices = try await tts . fetchVoices ( )

Las voces populares en inglés incluyen:

• en-us-jennyneural (mujer)
• en-us-guyeural (hombre)
• en-gb-sonianeural (mujer)
• en-gb-ryanneural (hombre)
• en-au-natashaneural (mujer)

Que contribuye

Damos la bienvenida a todas las formas de contribuciones, incluidas, entre otros::

• Informes de errores y sugerencias de características
• Mejoras en el código
• Mejoras de documentación
• Adiciones de los casos de prueba

Licencia

Este proyecto tiene licencia bajo la licencia MIT: consulte el archivo License.txt para obtener más detalles.