edge-tts实战：免费语音合成，零API Key，让你的AI Agent开口说话

语音合成（TTS）技术已经相当成熟，但大多数高质量的TTS服务都需要注册账户、申请API Key，还有按字符计费的使用成本。edge-tts改变了这个局面——它基于Microsoft Edge浏览器的语音合成引擎，完全免费，不需要任何API Key，音质接近商业级别。

什么是edge-tts？

edge-tts是一个Python库，利用Microsoft Edge浏览器内置的TTS功能。它的主要特点：完全免费（不需要API Key，不需要注册）、高质量音频（微软Neural TTS引擎，音质自然）、多语言支持（超过300种声音，覆盖中英日韩等数十种语言）、多种格式输出（MP3、WAV等）、异步支持（原生支持async/await）。

安装

pip install edge-tts
edge-tts --version

基本使用

命令行快速使用：

edge-tts --text "你好，我是你的AI助理。" --write-media output.mp3
edge-tts --voice zh-CN-XiaoxiaoNeural --text "今天天气真好！" --write-media output.mp3
edge-tts --list-voices | grep zh-CN
edge-tts --voice zh-CN-XiaoxiaoNeural --rate +20% --pitch +5Hz --text "速度快一点" --write-media output.mp3

在Python中使用

基本异步用法：

import asyncio
import edge_tts

async def text_to_speech(text: str, output_file: str, voice: str = "zh-CN-XiaoxiaoNeural"):
    communicate = edge_tts.Communicate(text, voice)
    await communicate.save(output_file)

asyncio.run(text_to_speech("你好，世界！", "output.mp3"))

流式输出（低延迟场景）——TTS引擎开始合成的同时就可以开始播放，显著降低感知延迟：

async def stream_tts(text: str, voice: str = "zh-CN-XiaoxiaoNeural"):
    communicate = edge_tts.Communicate(text, voice)
    async for chunk in communicate.stream():
        if chunk["type"] == "audio":
            yield chunk["data"]

集成到AI Agent工作流

场景一：让Agent的文字回答有声音

class SpeakingAgent:
    def __init__(self, voice="zh-CN-XiaoxiaoNeural"):
        self.voice = voice
    
    async def speak(self, text: str):
        communicate = edge_tts.Communicate(text, self.voice)
        await communicate.save("/tmp/agent_response.mp3")
        subprocess.run(["afplay", "/tmp/agent_response.mp3"])  # macOS

场景二：多语言自动切换

VOICE_MAP = {
    "zh-cn": "zh-CN-XiaoxiaoNeural",
    "zh-tw": "zh-TW-HsiaoChenNeural",
    "en": "en-US-JennyNeural",
    "ja": "ja-JP-NanamiNeural",
}

async def smart_tts(text: str, output_file: str):
    lang = langdetect.detect(text)
    voice = VOICE_MAP.get(lang, "en-US-JennyNeural")
    communicate = edge_tts.Communicate(text, voice)
    await communicate.save(output_file)

推荐声音

中文声音：zh-CN-XiaoxiaoNeural（晓晓，活泼自然）、zh-CN-YunxiNeural（云希，沉稳专业）、zh-CN-XiaoyiNeural（晓伊，温柔亲切）、zh-TW-HsiaoChenNeural（台湾中文）、zh-HK-HiuGaaiNeural（粤语）。

英文声音：en-US-JennyNeural（美式英语，自然流畅）、en-US-GuyNeural（美式英语，专业清晰）、en-GB-SoniaNeural（英式英语，优雅正式）。

注意事项

• 需要网络连接：edge-tts需要访问微软的服务，不支持完全离线使用
• 速率限制：高频率请求可能会被限制，生产环境建议添加请求间隔
• 商业使用：大规模商业使用前建议了解微软服务条款
• 字符限制：单次请求建议控制在3000字以内

完整示例：带语音的Claude助理

import asyncio, edge_tts, anthropic, subprocess

client = anthropic.Anthropic()

async def speak(text: str, voice: str = "zh-CN-XiaoxiaoNeural"):
    communicate = edge_tts.Communicate(text, voice)
    await communicate.save("/tmp/response.mp3")
    subprocess.run(["afplay", "/tmp/response.mp3"])

async def chat_with_voice(user_message: str):
    response = client.messages.create(
        model="claude-sonnet-4-5",
        max_tokens=1024,
        messages=[{"role": "user", "content": user_message}]
    )
    reply = response.content[0].text
    print(f"助理：{reply}")
    await speak(reply)
    return reply

asyncio.run(chat_with_voice("今天的AI行业有什么新动态？"))

结语

edge-tts是一个被严重低估的工具。免费、易用、音质出色，是给AI Agent添加语音能力的最低门槛选择。现在就试试：pip install edge-tts，然后让你的Agent开口说话。