Edge TTS

Edge-TTS

Edge-TTS เป็นการใช้งานอย่างรวดเร็วของบริการ Text-to-Speech (TTS) ของ Microsoft Edge ไลบรารีนี้ให้อินเทอร์เฟซ API ที่ใช้งานง่ายและใช้งานง่ายซึ่งช่วยให้นักพัฒนาสามารถรวมฟังก์ชั่นการพูดแบบข้อความที่มีคุณภาพสูงเข้ากับแอปพลิเคชันแพลตฟอร์ม Apple ได้อย่างราบรื่น

日本語ドキュメント | 中文文档 | 한국어

คุณสมบัติ

เสียงและภาษาหลายภาษา

• เสียงเครือข่ายประสาทมากกว่า 400 เสียง
• รองรับ 100 ภาษาและหลากหลายในภูมิภาค
• ผลการสังเคราะห์คำพูดตามธรรมชาติ

การควบคุมเสียงที่ยืดหยุ่น

• อัตราการพูดที่ปรับได้ (-50% ถึง +100%)
• การควบคุมระดับเสียง (-50Hz ถึง +50Hz)
• การควบคุมระดับเสียง (-50% ถึง +50%)
• การเลือกประเภทขอบเขต (ประโยค/คำ)

ตัวเลือกเอาต์พุตที่หลากหลาย

• รองรับการส่งออกรูปแบบ MP3
• สตรีมมิ่งการสังเคราะห์คำพูดแบบเรียลไทม์
• การแปลงและการเล่นแบบอะซิงโครนัส
• การส่งออกข้อมูลเมตา JSON เสริม
• การส่งออกคำบรรยาย SRT เสริม
• การสนับสนุนการส่งออกไฟล์ข้ามแพลตฟอร์ม (IOS/MACOS)

เครื่องมือพัฒนา

• เครื่องมือบรรทัดคำสั่งสำหรับการทดสอบอย่างรวดเร็วและการประมวลผลแบบแบตช์
• แอปพลิเคชัน GUI ดั้งเดิมพร้อมการกำหนดค่าภาพ
• เอกสารและตัวอย่างการใช้งานโดยละเอียด

ความเข้ากันได้ข้ามแพลตฟอร์ม

• macOS 13.0+
• iOS/iPados 15.0+

การติดตั้ง

Swift Package Manager

เพิ่มการพึ่งพาต่อไปนี้ในไฟล์ package.swift ของคุณ:

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

เริ่มต้นอย่างรวดเร็ว

การใช้งานขั้นพื้นฐาน

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 ) " )
    }
}

การใช้เครื่องมือบรรทัดคำสั่ง

เครื่องมือ CLI มีคำสั่งหลักสองคำ: list และ speak

รายการเสียงที่มีอยู่

 # List all available voices
edge-tts-cli list

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

แปลงข้อความเป็นคำพูด

 # 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

ตัวเลือกที่มีอยู่สำหรับคำสั่ง speak :

• --text : ข้อความที่จะพูด
• --file : พา ธ ไฟล์ข้อความอินพุต
• --voice : Voice to ใช้ (ค่าเริ่มต้น: en-us-jennyneural)
• --lang : ภาษาที่จะใช้ (ค่าเริ่มต้น: en-US)
• --rate : อัตราการพูด (เช่น +0%, -10%)
• --pitch : เสียงพูด (เช่น +0Hz, -10Hz)
• --volume : ปริมาณการพูด (เช่น +0%, -10%)
• --boundary : ประเภทขอบเขต (ประโยคหรือคำ, ค่าเริ่มต้น: ประโยค)
• --save-json : บันทึกข้อมูลเวลาเป็น JSON
• --save-srt : บันทึกข้อมูลเวลาเป็น SRT
• --proxy : พร็อกซี URL (เช่น http: // โฮสต์: พอร์ต)
• --output : ชื่อไฟล์เอาต์พุต (ค่าเริ่มต้น: output.mp3)

การใช้แอปพลิเคชัน GUI

1. ดาวน์โหลดและติดตั้ง Edge TTS Demo เวอร์ชันล่าสุด
2. เปิดแอปพลิเคชันและป้อนข้อความที่คุณต้องการแปลง
3. เลือกการตั้งค่าเสียงและพารามิเตอร์ที่ต้องการ (อัตราระดับเสียงระดับเสียง)
4. เปิดใช้งานการส่งออก JSON/SRT หากจำเป็น
5. เลือกประเภทขอบเขต (ประโยคหรือคำ)
6. คลิกปุ่ม "Convert & Play" เพื่อฟังคำพูดสังเคราะห์
7. ใช้ปุ่มส่งออกเพื่อบันทึกไฟล์:
   • บน iOS: ใช้แผ่นแชร์ระบบสำหรับการจัดการไฟล์ที่ยืดหยุ่น
   • บน MacOS: ใช้กล่องโต้ตอบบันทึกสำหรับการเลือกบันทึกตำแหน่ง

คุณสมบัติการส่งออก

ประเภทไฟล์

• mp3: ไฟล์เสียงที่มีคำพูดสังเคราะห์
• JSON: ข้อมูลเมตา Timing สำหรับแต่ละประโยค/คำ
• SRT: ไฟล์คำบรรยายพร้อมการประทับเวลา

การส่งออกเฉพาะแพลตฟอร์ม

• iOS/iPados:
  • การรวมระบบแบ่งปันแผ่น
  • แบ่งปันไปยังแอพอื่น ๆ
  • สนับสนุน AirDrop
  • บันทึกลงในแอพไฟล์
• macos:
  • กล่องโต้ตอบบันทึกดั้งเดิม
  • เลือกบันทึกตำแหน่ง
  • การกรองประเภทไฟล์
  • การจัดการส่วนขยายไฟล์อัตโนมัติ

เสียงทั่วไป

คุณสามารถรับรายการเสียงที่รองรับได้โดยใช้:

 let voices = try await tts . fetchVoices ( )

เสียงภาษาอังกฤษยอดนิยมรวมถึง:

• en-us-jennyneural (หญิง)
• en-us-guyneural (ชาย)
• en-gb-sonianeural (หญิง)
• en-gb-ryanneural (ชาย)
• en-au-natashaneural (หญิง)

การบริจาค

เรายินดีต้อนรับการมีส่วนร่วมทุกรูปแบบรวมถึง แต่ไม่ จำกัด เพียง:

• รายงานข้อผิดพลาดและคำแนะนำคุณสมบัติ
• การปรับปรุงรหัส
• การปรับปรุงเอกสาร
• การเพิ่มเติมกรณีทดสอบ

ใบอนุญาต

โครงการนี้ได้รับอนุญาตภายใต้ใบอนุญาต MIT - ดูไฟล์ License.txt สำหรับรายละเอียด