⌂ demo 作品集/TTS 语音合成
Python 数据工程项目 · CI 全绿

高并发异步 TTS
语音合成与音频清洗管道

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%。

10,000+
语料处理量
99.2%
成功率
<1%
管道错误率
5
异步并发数
⚡ 核心功能
🔄

异步高并发合成

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。

🔁

指数退避重试

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。

🎵

FFmpeg 音频标准化

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。

✅

自动校验与隔离

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。

📊

统计报告

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。

🤖

GitHub Actions CI

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。

🏗 系统架构
📊

Excel 语料读取Pandas

从 Excel 读取 text_id / text_content / speaker 三列,Pandas 解析为 TTSTask 列表

⚡

异步语音合成asyncio + edge-tts

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

🎵

FFmpeg 音频标准化pydub

原始 MP3 重采样为 16kHz / 16bit / 单声道 WAV,统一格式用于模型训练

✅

时长校验与隔离Validation

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

📊

统计报告输出Report

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

🧩 技术栈
🐍 Python 3.10+ ⚡ asyncio 🗣 edge-tts 🎵 pydub 🎬 FFmpeg 📊 Pandas 🔍 pydantic 🤖 GitHub Actions 🧪 pytest
🚀 快速开始

1. 安装依赖

$ pip install -r requirements.txt # 安装 FFmpeg(Ubuntu) $ sudo apt-get install ffmpeg

2. 生成示例语料

$ python sample_data.py --count 100 --output corpus.xlsx ✓ 已生成 100 条示例语料 → corpus.xlsx

3. 运行管道

$ python tts_pipeline.py -i corpus.xlsx -o ./output -c 5 2025-02-15 10:23:01 | INFO | 已加载 100 条语料 ← corpus.xlsx 2025-02-15 10:23:01 | INFO | 启动 TTS 管道 | 语料: 100 条 | 并发: 5 2025-02-15 10:23:02 | INFO | [txt_00001] ✓ 合成完成 (OK 2.34s) 2025-02-15 10:23:03 | WARNING | [txt_00005] 第 1/3 次尝试失败. 1.0s 后重试... 2025-02-15 10:23:04 | INFO | [txt_00005] ✓ 合成完成 (OK 2.56s) ... ======================================================= TTS Pipeline 统计报告 ======================================================= 成功数: 99 成功率: 99.00% 失败数: 1 总耗时: 52.3s =======================================================
📐 FFmpeg 处理前后格式对比
属性处理前(原始输出)处理后(标准化)
格式MP3WAV
采样率48 kHz16 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
⌨ CLI 参数
参数缩写默认值说明
--input-icorpus.xlsx输入 Excel 语料文件
--output-o./output输出目录
--concurrency-c5最大并发数
--voice-vXiaoxiaoNeural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)