基于 asyncio + edge-tts 的高并发语音合成管道,自动完成语音合成、音频标准化、时长校验与失败重试。10,000+ 条语料全自动处理,错误率低于 1%。
asyncio + edge-tts 实现异步语音合成,Semaphore 严格控制最大并发数,支持万级语料批量处理。
TTS API 请求失败自动重试(Max 3),退避策略 1s → 2s → 4s,失败语料实时写入 failed_corpus.csv。
统一重采样为 16kHz / 16bit / 单声道 WAV(或 MP3),确保输出格式一致,适配模型训练需求。
检测音频时长与完整性,时长 < 0.5s 或数据损坏的文件自动隔离到 quarantine 目录,不污染语料。
批处理完成后输出总处理数、成功/失败数、成功率、总耗时与平均每条耗时,一目了然。
Python 3.10 / 3.11 / 3.12 三版本自动化单元测试,每次 push 自动验证代码质量。
从 Excel 读取 text_id / text_content / speaker 三列,Pandas 解析为 TTSTask 列表
Semaphore(5) 控制并发,调用 Microsoft Edge TTS 引擎合成语音,指数退避自动重试
原始 MP3 重采样为 16kHz / 16bit / 单声道 WAV,统一格式用于模型训练
校验音频完整性和时长,不合格文件自动移动到 quarantine 隔离目录
终端输出总处理数、成功/失败数、成功率、总耗时、平均每条耗时
| 属性 | 处理前(原始输出) | 处理后(标准化) |
|---|---|---|
| 格式 | MP3 | WAV |
| 采样率 | 48 kHz | 16 kHz |
| 位深度 | ~32 bit(浮点) | 16 bit |
| 声道 | 立体声(2ch) | 单声道(1ch) |
| 时长校验 | ❌ 无 | ✅ <0.5s 自动隔离 |
| 损坏检测 | ❌ 无 | ✅ 自动检测隔离 |
| 参数 | 缩写 | 默认值 | 说明 |
|---|---|---|---|
--input | -i | corpus.xlsx | 输入 Excel 语料文件 |
--output | -o | ./output | 输出目录 |
--concurrency | -c | 5 | 最大并发数 |
--voice | -v | XiaoxiaoNeural | 默认发音人 |
--retries | — | 3 | 最大重试次数 |
--format | — | wav | 输出格式(wav/mp3) |
--min-duration | — | 0.5 | 最短音频时长(秒) |