要使用 Python 脚本合成自定义音调并播放，核心在于选择一个支持音调（如语速、音高等参数）调节的语音合成库，然后集成音频播放功能。以下是基于【参考资料】的完整方案，涵盖工具选择、参数调节、代码实现和播放测试。 ### 1. 语音合成工具选择与对比 Python 生态中有多个支持音调调节的文本转语音工具，关键区别在于是否需要联网或本地模型。下表对比了几个主流选择[ref_1][ref_5][ref_6]： | 工具/库 | 核心特点 | 是否支持音调/语速调节 | 是否需要网络 | 适用场景 | | :--- | :--- | :--- | :--- | :--- | | **Edge-TTS**[ref_1] | 基于微软 Edge 在线服务，音色选择丰富，开源。 | **支持**，可通过参数调节语速、音量等。 | 是 | 需要高质量、多样化在线音色。 | | **pyttsx3** | 调用系统本地 TTS 引擎，完全离线。 | **部分支持**，如语速、音量调节。 | 否 | 离线、快速、系统依赖的简单场景。 | | **gTTS (Google TTS)** | 使用 Google 的在线 TTS 服务。 | **不支持**参数调节。 | 是 | 简单在线合成，无需定制音调。 | | **Spark-TTS**[ref_4] | 讯飞星火认知大模型提供的 TTS 服务。 | **支持**，通过 `pitch`、`speed` 等参数精细控制。 | 是 | 需要高品质、高自然度且支持中文参数化调整。 | | **CosyVoice**[ref_2] | 中文开源语音生成模型，支持 Web 端实时调节。 | **支持**，可调节音调、语速、情感强度。 | 是（Web 端）/可本地部署 | 追求高自然度、情感化的中文语音，且希望免部署调试。 | **推荐方案**： * **追求音质与灵活性，且网络可用**：首选 **Edge-TTS**[ref_1] 或 **Spark-TTS**[ref_4]。 * **追求离线使用**：使用 **pyttsx3**，但音质和调节精细度可能受限。 * **追求极致中文自然度和情感表达**：考虑使用 **CosyVoice** 的 API 或本地部署方案[ref_2]。 ### 2. 音调调节的核心参数 音调调节通常不限于单一的音高（Pitch），而是泛指语音的听觉特性，包括语速、音高、停顿等，以实现个性化或符合语境的语音[ref_3][ref_4][ref_5]。 常用调节参数包括： * **语速 (Rate / Speed)**: 控制单位时间内吐字的数量，加快则显得急促，放慢则显沉稳。 * **音量 (Volume)**: 控制语音的整体响度。 * **音高/基频 (Pitch)**: 影响语音的音调高低。 * **音色 (Voice)**: 选择不同说话人（如男声、女声、儿童声）的发音模型[ref_1]。 * **情感/语调 (Prosody)**: 高级参数，控制语音的情感色彩（如高兴、悲伤）和抑扬顿挫。 ### 3. 基于 Edge-TTS 的完整实现示例 以功能全面、免费开源的 Edge-TTS 为例，展示从安装、参数调节到生成并播放音频的全流程[ref_1]。 ```python # edge_tts_play_example.py import asyncio import edge_tts import pygame import os import tempfile class EdgeTTSPlayer: """ 使用 Edge-TTS 合成自定义音调语音并进行播放的类[ref_1]。 """ def __init__(self): pygame.mixer.init() self.temp_dir = tempfile.gettempdir() async def synthesize_and_save(self, text, voice='zh-CN-XiaoxiaoNeural', rate='+0%', volume='+0%', pitch='+0Hz'): """ 合成语音并保存到临时文件[ref_1]。 :param text: 待合成的文本 :param voice: 音色，如'zh-CN-XiaoxiaoNeural'（晓晓，女声）[ref_1] :param rate: 语速，例如'+10%'加速10%，'-10%'减速10% :param volume: 音量，例如'+10%'提高10%，'-10%'降低10% :param pitch: 音高，例如'+2Hz'提高音调，'-2Hz'降低音调 :return: 生成的音频文件路径 """ # 构建通信对象，并设置语音参数[ref_1] communicate = edge_tts.Communicate(text=text, voice=voice, rate=rate, volume=volume, pitch=pitch) # 生成唯一的临时文件名 output_file = os.path.join(self.temp_dir, f'tts_output_{hash(text+voice+rate+volume+pitch)}.mp3') # 异步生成音频文件 await communicate.save(output_file) print(f"语音已合成并保存至: {output_file}") return output_file def play_audio(self, audio_file_path): """ 使用 pygame 播放音频文件[ref_1]。 """ try: pygame.mixer.music.load(audio_file_path) pygame.mixer.music.play() print("开始播放...") # 等待播放完成 while pygame.mixer.music.get_busy(): pygame.time.Clock().tick(10) print("播放结束。") except Exception as e: print(f"播放音频时出错: {e}") finally: # 播放完成后可删除临时文件（可选） # os.remove(audio_file_path) # print(f"已删除临时文件: {audio_file_path}") pass async def run(self, text, **kwargs): """ 主流程：合成并播放[ref_1]。 """ audio_path = await self.synthesize_and_save(text, **kwargs) self.play_audio(audio_path) # 主函数，演示不同音调参数的效果 async def main(): player = EdgeTTSPlayer() test_text = "你好，这是一个测试语音合成和音调调节的示例。" # 方案1：默认音色和参数 print("\n=== 方案1: 默认参数 ===") await player.run(test_text, voice='zh-CN-XiaoxiaoNeural') # 方案2：调整语速和音量 print("\n=== 方案2: 语速加快20%，音量降低10% ===") await player.run(test_text, voice='zh-CN-XiaoxiaoNeural', rate='+20%', # 语速加快 volume='-10%') # 音量降低 # 方案3：调整音高，并使用不同的音色（男声） print("\n=== 方案3: 使用男声音色，音调提高 ===") await player.run(test_text, voice='zh-CN-YunxiNeural', # 云希，男声[ref_1] pitch='+5Hz') # 音高提高 # 方案4：自定义组合 print("\n=== 方案4: 自定义参数组合 ===") await player.run("今天天气真好，我感到非常愉快！", voice='zh-CN-XiaoyiNeural', # 晓伊，女声 rate='-15%', # 语速放慢 volume='+5%', # 音量稍高 pitch='+3Hz') # 音调稍高 # 脚本入口 if __name__ == "__main__": # 获取并运行事件循环 loop = asyncio.get_event_loop() loop.run_until_complete(main()) ``` **代码关键步骤说明**： 1. **环境准备**：首先需要通过 `pip install edge-tts pygame` 安装必要的库[ref_1]。 2. **参数化合成**：`edge_tts.Communicate` 是核心类，通过 `rate`、`volume`、`pitch` 参数实现对语速、音量、音高的精确控制，`voice` 参数用于选择不同音色[ref_1]。 3. **查找音色**：可通过命令 `edge-tts --list-voices` 在终端列出所有可用音色，找到适合自己的 `voice` 名称[ref_1]。 4. **播放音频**：使用 `pygame` 库加载并播放生成的音频文件[ref_1]。代码中将音频保存为临时文件，播放完成后可选择性清理。 5. **异步处理**：Edge-TTS 的 `save` 方法是异步的，因此代码使用了 `asyncio` 来管理协程。 ### 4. 扩展方案：Spark-TTS API 调用示例 如果你拥有讯飞开放平台的 API 密钥，并希望获得对中文支持更好的参数控制（如 `pitch` 和 `speed` 作为独立参数），可以参考以下简化的 HTTP API 请求方式[ref_4]： ```python # 以下为概念性代码，需替换为真实的API Endpoint和密钥 import requests import json import pygame import io def synthesize_with_spark(text, api_key, api_secret, speed=50, pitch=50): """ 使用 Spark-TTS API 合成语音[ref_4]。 :param speed: 语速，范围 0-100（默认50） :param pitch: 音调，范围 0-100（默认50） """ url = "https://tts-api.xfyun.cn/v2/tts" headers = { "Content-Type": "application/json", # 此处应包含根据API文档生成的鉴权头 } data = { "common": {"app_id": "YOUR_APP_ID"}, "business": { "aue": "lame", # 输出mp3格式 "sfl": 1, "auf": "audio/L16;rate=16000", "vcn": "xiaoyan", # 发音人 "speed": speed, # 语速参数[ref_4] "pitch": pitch, # 音调参数[ref_4] "volume": 50, "tte": "UTF8" }, "data": { "text": text, "status": 2 } } response = requests.post(url, headers=headers, data=json.dumps(data)) if response.status_code == 200: audio_data = response.content # 使用 pygame 播放字节流 pygame.mixer.init() sound = pygame.mixer.Sound(io.BytesIO(audio_data)) sound.play() pygame.time.wait(int(sound.get_length() * 1000)) # 等待播放完毕 else: print(f"API 请求失败: {response.status_code}") print(response.text) # 注意：实际使用时需从讯飞开放平台获取并配置 APP_ID, API_KEY, API_SECRET 等参数[ref_4]。 ``` **总结**：通过 Python 脚本实现自定义音调语音合成与播放，核心步骤是：**1. 选择支持参数调节的 TTS 引擎（如 Edge-TTS 或 Spark-TTS）**；**2. 理解并设置关键参数（音色、语速、音高、音量等）**；**3. 编写代码调用合成接口并生成音频文件**；**4. 使用 `pygame` 等音频库进行播放**。本文提供的 Edge-TTS 示例代码可直接运行并调整参数，是开始实验和定制个人化语音的理想起点[ref_1][ref_4][ref_6]。