我一直热衷于折腾智能家居自动化，灯光、窗帘、空调都接入了系统。每天下班回家，一句“开灯”就能让客厅亮起温馨的光，非常方便。但时间长了，总觉得缺了点什么——那就是语音助手的音色。无论是小爱、小艺还是Siri，它们的声音虽然清晰，但总感觉过于“官方”和“机械”，少了点家的温度和温柔。

我理想中的智能家居，应该有一个像家人一样亲切、柔和的声音来回应我。既然现有的语音助手无法满足这个个性化的需求，作为一个喜欢动手的程序员，我决定自己来造一个。

我的思路是：利用微软Edge TTS优质的神经网络语音合成技术，通过Python脚本，将我想让“家”说的话，用更温柔的语音合成出来，并集成到我的智能家居自动化流程中。

准备工作：安装必要的包

在开始编写脚本前，你需要先安装核心的Python库。

# 核心TTS库
pip install edge-tts

# 如果你需要像进阶脚本那样实时播放音频，还需要安装pygame
pip install pygame

注意事项：

• edge-tts是一个命令行工具，也是一个Python库，它需要联网调用微软的云服务来合成语音。

• 语音合成质量很高，但会有轻微的网络延迟，不适合需要毫秒级响应的场景。对于智能家居的提醒、播报等场景，完全足够。

初级玩法：快速生成语音文件

这个脚本（比如保存为 simple_tts.py）非常适合用来生成固定的、需要重复使用的语音片段。比如，你可以提前合成好“欢迎回家”、“浴室热水已烧好”、“空调已为您调到26度”等语音提示，保存在智能家居系统的媒体库中。

代码示例:

# simple_tts.py
import asyncio
import edge_tts

# 你希望智能家居“说”的话
TEXT = "主人，欢迎回家！灯光已为您调至温馨模式，现在室内温度26度，非常舒适。"
# 输出的音频文件名
OUTPUT_FILE = "welcome_home.mp3"
# 指定语音名称，这里是我非常喜欢的温柔女声“晓晓”
VOICE = "zh-CN-XiaoxiaoNeural"

async def main() -> None:
    # 创建TTS对象
    communicate = edge_tts.Communicate(TEXT, VOICE)
    # 运行并保存音频文件
    await communicate.save(OUTPUT_FILE)
    print(f"语音合成完成！文件已保存为：{OUTPUT_FILE}")

if __name__ == "__main__":
    asyncio.run(main())

运行方式与用途：

1. 在命令行执行 python simple_tts.py。

2. 脚本会生成一个 welcome_home.mp3文件。

3. 你可以在智能家居App（如Home Assistant、Node-RED等）中，将这个音频文件设置为自动化动作——例如，当门窗传感器检测到你下班回家时，就在家里的音箱上播放这个音频

进阶玩法：交互式测试与实时生成

当你需要测试不同文本的朗读效果，或者自动化流程需要动态生成不固定的语音内容时（比如播报“今天北京晴，最高温度30度”），一个交互式的脚本就更方便了。

这个脚本（比如保存为 interactive_tts.py）允许你随时输入文本，立即试听效果，帮你快速找到最温柔的语调和措辞。

代码示例:

1. 实时合成与播放：输入文本后直接播放，无需手动点击音频文件。

2. 非阻塞播放：你可以在上一句还在播放时，输入下一句进行测试。

3. 语音切换：方便地在“晓晓”（女声）和“云希”（男声）等不同音色间切换。

4. 临时文件管理：自动清理合成过程中产生的临时音频文件，保持系统整洁。

   #interactive_tts.py
   import asyncio
   import edge_tts
   import pygame
   import threading
   import tempfile
   import os
   import time
   from io import BytesIO
   
   class EdgeTTSPlayer:
       def __init__(self):
           """初始化TTS播放器"""
           pygame.mixer.init()
           self.is_playing = False
           self.current_text = ""
           self.voice = "zh-CN-XiaoxiaoNeural"
           self.temp_files = []  # 用于跟踪临时文件
           
       async def text_to_speech(self, text):
           """将文本转换为语音并播放
           
           Args:
               text: 要转换的文本
           """
           if not text.strip():
               print("输入文本为空，请重新输入。")
               return
               
           self.current_text = text
           print(f"正在合成语音: {text}")
           
           try:
               # 创建TTS通信对象
               communicate = edge_tts.Communicate(text, self.voice)
               
               # 创建临时文件来保存音频
               with tempfile.NamedTemporaryFile(delete=False, suffix='.mp3') as temp_file:
                   temp_filename = temp_file.name
                   
               # 保存音频到临时文件
               await communicate.save(temp_filename)
               
               # 播放音频
               self.play_audio(temp_filename)
               
           except Exception as e:
               print(f"语音合成失败: {e}")
               # 清理临时文件
               if 'temp_filename' in locals():
                   try:
                       os.unlink(temp_filename)
                   except:
                       pass
       
       def play_audio(self, audio_file_path):
           """播放音频文件"""
           def _play():
               self.is_playing = True
               try:
                   # 使用文件路径加载音频
                   pygame.mixer.music.load(audio_file_path)
                   pygame.mixer.music.play()
                   
                   # 等待播放完成
                   while pygame.mixer.music.get_busy():
                       pygame.time.Clock().tick(10)  # 每秒检查10次
                       
               except Exception as e:
                   print(f"播放失败: {e}")
               finally:
                   self.is_playing = False
                   # 播放完成后清理临时文件
                   try:
                       os.unlink(audio_file_path)
                   except:
                       pass
           
           # 在新线程中播放以避免阻塞
           play_thread = threading.Thread(target=_play)
           play_thread.daemon = True
           play_thread.start()
       
       def stop_playback(self):
           """停止当前播放"""
           if pygame.mixer.music.get_busy():
               pygame.mixer.music.stop()
               self.is_playing = False
   
   # 以下是您原有的InteractiveTTSApp类，只需确保它使用修复后的EdgeTTSPlayer
   class InteractiveTTSApp:
       def __init__(self):
           """初始化交互式TTS应用"""
           self.tts_player = EdgeTTSPlayer()
           self.running = True
           
       def display_menu(self):
           """显示菜单选项"""
           print("\n" + "="*50)
           print("        Edge TTS 交互式语音合成系统")
           print("="*50)
           print("1. 输入文本并合成语音")
           print("2. 停止当前播放")
           print("3. 更换语音（当前: 晓晓）")
           print("4. 退出系统")
           print("="*50)
       
       def get_user_input(self):
           """获取用户输入的文本"""
           print("\n请输入要转换为语音的文本:")
           text = input("> ").strip()
           return text
       
       def change_voice(self):
           """更换语音选项"""
           print("\n可用的语音选项:")
           print("1. 晓晓 (zh-CN-XiaoxiaoNeural) - 女声")
           print("2. 云希 (zh-CN-YunxiNeural) - 男声")
           
           choice = input("请选择语音 (1-2, 回车使用当前语音): ").strip()
           
           voice_map = {
               "1": "zh-CN-XiaoxiaoNeural",
               "2": "zh-CN-YunxiNeural"
           }
           
           if choice in voice_map:
               self.tts_player.voice = voice_map[choice]
               print(f"已切换语音到: {voice_map[choice]}")
           else:
               print("使用当前语音: 晓晓")
       
       async def process_choice(self, choice):
           """处理用户选择"""
           if choice == "1":
               text = self.get_user_input()
               if text:
                   await self.tts_player.text_to_speech(text)
                   
           elif choice == "2":
               self.tts_player.stop_playback()
               print("已停止当前播放")
               
           elif choice == "3":
               self.change_voice()
               
           elif choice == "4":
               self.running = False
               print("感谢使用，再见！")
               
           else:
               print("无效选择，请重新输入。")
       
       async def run(self):
           """运行主应用程序"""
           print("系统初始化完成，开始运行...")
           
           while self.running:
               self.display_menu()
               choice = input("请选择操作 (1-4): ").strip()
               
               await self.process_choice(choice)
   
   async def main():
       """主函数"""
       app = InteractiveTTSApp()
       await app.run()
   
   if __name__ == "__main__":
       try:
           asyncio.run(main())
       except KeyboardInterrupt:
           print("\n程序被用户中断")
       except Exception as e:
           print(f"程序运行出错: {e}")

使用方式：

1. 直接运行 python interactive_tts.py。

2. 会出现一个命令行菜单，选择“1”并输入你想测试的文本，比如“亲爱的，浴缸的热水已经放好了，可以来泡澡了”。

3. 回车后，程序会自动合成并用你选择的语音播放出来。

4. 你可以反复调整文本，直到合成出最令你满意的、最温柔的语音效果。

版权声明：本文为个人技术实践记录，欢迎交流学习。