funtalk

语音相关的小工具库，封装了 TTS（文字转语音）和 ASR（语音转文字）两部分，主要配合 funvideo 项目使用，用来给自动生成的视频配音、生成对齐的字幕文件。

安装

pip install funtalk

注意：仓库的 pyproject.toml 目前没有声明任何运行依赖（dependencies = []），实际使用时需要自行安装 edge-tts、openai-whisper、funutil、moviepy，如果要用 Azure TTS 还需要 azure-cognitiveservices-speech。TTS 模块还直接 import 了 funvideo.app.utils / funvideo.app.config（属于对 funvideo 内部模块的紧耦合），脱离 funvideo 项目单独使用会因为缺依赖而报错。

TTS：文字转语音

from funtalk.tts import tts_generate  # 包一级导出的默认是 edge-tts 实现

tts_generate(
    text="你好，世界",
    voice_name="zh-CN-XiaoxiaoNeural",
    voice_rate=1.0,
    voice_file="out.mp3",
    subtitle_file="out.srt",
)

BaseTTS（funtalk/tts/base.py）定义了统一接口：create_tts() 生成音频，并能根据引擎返回的时间戳，把文本按标点切分对齐后生成 SRT 字幕（create_subtitle）。目前有两个实现：

• funtalk.tts._edge.EdgeTTS：基于 edge-tts，包一级导出的 tts_generate / edge_tts_generate 就是它。
• funtalk.tts._azure.AzureTTS：基于 Azure 认知服务语音合成，需要从 funtalk.tts._azure 单独导入，依赖 azure-cognitiveservices-speech 以及 funvideo 配置里的 speech_key/speech_region。

ASR：语音转文字

from funtalk.asr import WhisperASR

asr = WhisperASR(name="turbo")  # 基于 openai-whisper
result = asr.transcribe("audio.mp3", language="ZH")

BaseASR（funtalk/asr/base.py）定义了 load() / transcribe() 接口，目前只有 WhisperASR 一个实现。