auto-tts
v0.5.0
Published
Unlimited text to speech with selectable voices and speaking tones, powered by edge-tts.
Maintainers
Readme
auto-tts
基于 edge-tts 的无限量文本转语音工具。输入文本,挑一个音色和语气,队列会把它们合成成 mp3,可在线试听和下载。
不需要 API Key,不按字数收费,长文本和批量任务都能排队处理。

安装
先确认本机有 Node.js 和 Python:
| 依赖 | 版本 | 说明 |
| --- | --- | --- |
| Node.js | 18 或更高 | 运行 auto-tts 命令 |
| Python | 3.9 或更高 | 后端运行时 |
然后全局安装:
npm i -g auto-tts启动
auto-tts web首次启动会在 ~/.local/share/auto-tts/venv 建一个独立的 Python 环境并安装后端依赖(只需一次)。等服务就绪后,它会自动打开浏览器,并在终端打印网页地址:
http://127.0.0.1:8000按 Ctrl+C 停止服务。
Debian / Ubuntu 上如果提示无法创建虚拟环境,需要先装 python3-venv:
sudo apt install python3-venv常用参数
auto-tts web --port 9000 # 换一个端口(默认 8000)
auto-tts web --host 0.0.0.0 # 允许局域网内其它设备访问
auto-tts web --no-open # 不自动打开浏览器
auto-tts web --reset # 重建 Python 环境后启动
auto-tts say "你好" -o hello.mp3 # 直接合成 mp3,不启动服务
auto-tts voices # 查看可用音色
auto-tts --help # 查看全部用法
auto-tts --version # 查看版本直接合成(无需启动服务)
auto-tts 也可以当作普通命令行工具使用,直接调用 edge-tts,不启动 Web 服务:
auto-tts say "你好,世界" -o hello.mp3 # 合成到文件
auto-tts say "你好" -o hello.mp3 --srt # 同时生成同名字幕
echo "很长的文章" | auto-tts say - -o article.mp3 # 文本从 stdin 读入
auto-tts say --file article.txt -v zh-CN-YunxiNeural -t newscast -o article.mp3
auto-tts say "stream" -o - > out.mp3 # 音频写到 stdout
auto-tts say --batch -f scenes.txt -o out/ --srt # 空行分段,每段生成独立 mp3+SRT
cat scenes.txt | auto-tts say - --batch -o out/ --srt --json
auto-tts voices --locale zh-CN --gender female
auto-tts tones # 查看语气预设文本可以来自参数、-(stdin)或 --file;-o 省略时在当前目录生成 auto-tts-<时间戳>.mp3;音色默认 zh-CN-XiaoxiaoNeural(与网页版一致),-t/--tone 可用 auto-tts tones 查看,--rate/--volume/--pitch 会覆盖语气预设。完整参数见 auto-tts say --help。
--batch 把输入按空行分段(与网页版批量模式一致),每段生成一个独立的 mp3:-o 此时是输出目录(省略时新建 auto-tts-<时间戳>/),--srt 会为每段生成同名字幕,文件按 001.mp3、002.mp3 顺序编号(段数多时自动扩位)。单段失败不会中断其余分段,全部成功时退出码为 0,否则为 1。
给脚本和 Agent 用的 --json
say、voices、tones 都支持 --json:成功时 stdout 只输出一个 JSON 对象,失败时输出 {"ok": false, "error": "..."} 并以非零退出码结束。进度和提示始终走 stderr,便于管道和自动解析。
auto-tts voices --locale zh --json
# {"ok": true, "count": 14, "voices": [{"name": "zh-CN-XiaoxiaoNeural", ...}]}
auto-tts say "内容" -o out.mp3 --srt --json
# {"ok": true, "path": "/abs/out.mp3", "srt_path": "/abs/out.srt", "size_bytes": 27936, ...}
auto-tts say --batch -f scenes.txt -o out/ --srt --json
# {"ok": true, "dir": "out", "count": 2, "succeeded": 2, "failed": 0,
# "results": [{"index": 1, "path": "out/001.mp3", "srt_path": "out/001.srt", "ok": true, ...}, ...]}
auto-tts web --no-open --json
# 服务就绪后输出一行:{"url": "http://127.0.0.1:8000", "host": "127.0.0.1", "port": 8000}批量模式下若部分分段失败,ok 为 false,results 中逐项给出 error,其余分段照常生成,退出码为 1。
功能
- 音色:322 个 edge-tts 音色,可按语言区域或名称筛选
- 语气:自然、温柔、愉悦、兴奋、严肃、悲伤、新闻播报、低语,另有自定义
- 长文本:自动分块合成,长度不限
- 批量队列:用空行分隔多段文本,每段成为一个独立任务
- 任务面板:实时进度、失败原因、试听、下载 mp3
- 字幕导出:任务完成后可下载与音频逐句对齐的 SRT 字幕
- 命令行:
say直接合成 mp3,--batch按空行分段批量生成 mp3 和 SRT,voices/tones查询音色和语气,支持--json,方便脚本和 Agent 调用
关于语气
edge-tts 本身不支持真正的情感风格(微软服务端会拒绝 <mstts:express-as> 一类的请求),所以这里的语气是用语速、音调、音量三个参数组合近似出来的预设。选中预设会自动填写这三个滑块,手动拖动任一滑块则切回「自定义」。所有预设定义在 backend/app/tts.py 的 TONE_PRESETS。
数据存放位置
生成内容和运行环境都放在用户目录,不会写进 node_modules:
~/.local/share/auto-tts/
├── venv/ # Python 虚拟环境(依赖指纹 .requirements.sha256 存在此处)
└── data/audio/ # 生成的 mp3requirements.txt 改动后,下次启动会自动识别并重装依赖。设置环境变量 AUTO_TTS_VENV_DIR 可以把虚拟环境放到别处(例如复用源码目录下的 .venv)。
从源码运行
如果你想改代码,把仓库克隆下来:
git clone https://github.com/kms413/auto-tts.git
cd auto-tts
./start.sh # 建 venv、装依赖、构建前端、单端口启动
./start.sh --dev # 开发模式:后端热重载 + Vite 开发服务器
./start.sh --rebuild./start.sh 与 auto-tts web 效果一致,区别是使用仓库内的 .venv 和源码构建产物。
HTTP 接口
服务同时托管页面和 API,全部挂在同一个端口下:
| 方法 | 路径 | 说明 |
| --- | --- | --- |
| GET | /api/health | 健康检查 |
| GET | /api/voices | 全部可用音色 |
| GET | /api/tones | 语气预设及其对应的语速/音调/音量 |
| POST | /api/jobs | 创建任务,text 单条或 texts 批量 |
| GET | /api/jobs | 任务列表 |
| GET | /api/jobs/{id} | 单个任务 |
| DELETE | /api/jobs/{id} | 删除任务 |
| GET | /api/audio/{filename} | 获取音频文件 |
| GET | /api/subtitles/{filename} | 获取 SRT 字幕文件 |
技术栈
- 后端:FastAPI + edge-tts,任务队列为进程内异步队列
- 前端:React + TypeScript + Vite
许可
GNU Affero General Public License v3.0 或更新版本(AGPL-3.0-or-later),完整条款见 LICENSE。
Copyright (C) 2026 kms413
AGPL 第 13 条要求以网络方式提供服务的程序向用户提供获取源代码的途径,因此页面底部保留了「获取源代码」链接,请勿移除。
