本教程来自社区贡献，并非 Open WebUI 官方团队支持的内容。它仅作为如何根据特定需求自定义 Open WebUI 的示例。如果您也想贡献内容，欢迎查看我们的贡献指南。
将 openai-edge-tts 🗣️ 集成到 Open WebUI 中
什么是 openai-edge-tts？
OpenAI Edge TTS 是一个模仿 OpenAI API 接口的文本转语音服务。在可以自定义接口 URL 的场景中（比如 Open WebUI），它可以直接替代 OpenAI 的语音服务。
该项目使用 edge-tts 包，通过调用 Edge 浏览器的免费"朗读"功能 来模拟 Microsoft/Azure 的请求，从而免费提供高质量的文本转语音服务。
它与 'openedai-speech' 有什么区别？
与 openedai-speech 类似，openai-edge-tts 都是模仿 OpenAI API 接口的文本转语音服务。它们都可以在支持配置自定义服务器接口 URL 且能调用 OpenAI Speech 接口的场景中使用。
主要区别在于：
openedai-speech功能更全面，支持完全离线生成语音，并提供多种语音模式选择。openai-edge-tts则更加简单轻量，仅通过edge-ttsPython 包来生成音频。
系统要求
- 已安装 Docker 环境
- 正在运行的 Open WebUI
⚡️ 快速开始
最简单的启动方式是直接运行以下命令，无需任何额外配置：
docker run -d -p 5050:5050 travisvn/openai-edge-tts:latest
这将在 5050 端口启动服务，使用默认配置
配置 Open WebUI 使用 openai-edge-tts
- 打开管理面板，依次进入
设置(Settings)->音频(Audio) - 按照下方截图配置您的 TTS 设置
- 提示：您可以在此处选择 TTS 语音
默认的 API 密钥是 your_api_key_here。如果您不需要额外的安全保护，可以保持此默认值不变。
配置完成！您现在可以开始使用了
如果您觉得 OpenAI Edge TTS 对您有帮助，欢迎在 GitHub 上给我们点个 ⭐️
使用 Python 运行
🐍 使用 Python 运行
如果您更喜欢直接使用 Python 运行此项目，请按照以下步骤设置虚拟环境、安装依赖并启动服务器。
1. 克隆仓库
git clone https://github.com/travisvn/openai-edge-tts.git
cd openai-edge-tts
2. 设置虚拟环境
创建并激活虚拟环境以隔离依赖：
# macOS/Linux 系统
python3 -m venv venv
source venv/bin/activate
# Windows 系统
python -m venv venv
venv\Scripts\activate
3. 安装依赖
使用 pip 安装 requirements.txt 中列出的必需包：
pip install -r requirements.txt
4. 配置环境变量
在根目录创建 .env 文件并设置以 下变量：
API_KEY=your_api_key_here
PORT=5050
DEFAULT_VOICE=en-US-AvaNeural
DEFAULT_RESPONSE_FORMAT=mp3
DEFAULT_SPEED=1.0
DEFAULT_LANGUAGE=en-US
REQUIRE_API_KEY=True
REMOVE_FILTER=False
EXPAND_API=True
5. 运行服务器
配置完成后，启动服务器：
python app/server.py
服务器将在 http://localhost:5050 启动。
6. 测试 API
现在您可以在 http://localhost:5050/v1/audio/speech 和其他可用端点上与 API 交互。请参阅使用说明部分了解请求 示例。
使用详情
端点：/v1/audio/speech（别名 /audio/speech）
从输入文本生成音频。可用参数：
必需参数：
- input（字符串）：要转换为音频的文本（最多 4096 个字符）。
可选参数：
- model（字符串）：设置为 "tts-1" 或 "tts-1-hd"（默认：
"tts-1"）。 - voice（字符串）：OpenAI 兼容的语音之一（alloy、echo、fable、onyx、nova、shimmer）或任何有效的
edge-tts语音（默认："en-US-AvaNeural"）。 - response_format（字符串）：音频格式。选项：
mp3、opus、aac、flac、wav、pcm（默认：mp3）。 - speed（数字）：播放速度（0.25 到 4.0）。默认为
1.0。
您可以在 tts.travisvn.com 浏览可用的语音并听取样本预览
使用 curl 请求并将输出保存为 mp3 文件的示例：
curl -X POST http://localhost:5050/v1/audio/speech \
-H "Content-Type: application/json" \
-H "Authorization: Bearer your_api_key_here" \
-d '{
"input": "Hello, I am your AI assistant! Just let me know how I can help bring your ideas to life.",
"voice": "echo",
"response_format": "mp3",
"speed": 1.0
}' \
--output speech.mp3
或者，按照 OpenAI API 端点参数格式：
curl -X POST http://localhost:5050/v1/audio/speech \
-H "Content-Type: application/json" \
-H "Authorization: Bearer your_api_key_here" \
-d '{
"model": "tts-1",
"input": "Hello, I am your AI assistant! Just let me know how I can help bring your ideas to life.",
"voice": "alloy"
}' \
--output speech.mp3
使用英语以外的语言的示例：
curl -X POST http://localhost:5050/v1/audio/speech \
-H "Content-Type: application/json" \
-H "Authorization: Bearer your_api_key_here" \
-d '{
"model": "tts-1",
"input": "じゃあ 、行く。電車の時間、調べておくよ。",
"voice": "ja-JP-KeitaNeural"
}' \
--output speech.mp3
其他端点
- POST/GET /v1/models：列出可用的 TTS 模型。
- POST/GET /v1/voices：列出指定语言/地区的
edge-tts语音。 - POST/GET /v1/voices/all：列出所有
edge-tts语音，包含语言支持信息。
/v1 现在 是可选的。
此外，还有用于 Azure AI Speech 和 ElevenLabs 的端点，以便在 Open WebUI 允许这些选项使用自定义 API 端点时提供潜在的未来支持。
可以通过设置环境变量 EXPAND_API=False 来禁用这些功能。
🐳 Docker 快速配置
您可以在运行项目的命令中配置环境变量
docker run -d -p 5050:5050 \
-e API_KEY=your_api_key_here \
-e PORT=5050 \
-e DEFAULT_VOICE=en-US-AvaNeural \
-e DEFAULT_RESPONSE_FORMAT=mp3 \
-e DEFAULT_SPEED=1.0 \
-e DEFAULT_LANGUAGE=en-US \
-e REQUIRE_API_KEY=True \
-e REMOVE_FILTER=False \
-e EXPAND_API=True \
travisvn/openai-edge-tts:latest
Markdown 文本现在会通过过滤器进行处理，以提高可读性和支持。
您可以通过设置环境变量 REMOVE_FILTER=True 来禁用此功能。
更多资源
要了解更多关于 openai-edge-tts 的信息，您可以访问 GitHub 仓库
如需直接支持，您可以访问 Voice AI & TTS Discord