在python中，已经有很多TTS相关的包，可以拿来即用，以下是我整理的一些简单免费的方案，仅供参考：

方案1：gTTS

1.1 介绍

利用google的免费文本转语音API服务
需要能访问谷歌的网络环境
一键安装，转换速度快，转换质量一般
开源地址：https://github.com/pndurette/gTTS
官方教程：https://gtts.readthedocs.io/en/latest/index.html

1.2 安装

pip install gTTS

1.3 简单使用

from gtts import gTTS

tts = gTTS(text='您好，我是一直可爱的小猪！', lang='zh')
tts.save('test.mp3')

1.4 效果展示

方案2：edge_tts

2.1 介绍

利用微软的免费文本转语音API服务
微软已禁止国内访问这个服务，需要外网环境
一键安装，转换速度快，质量较好，可控选项多
开源地址：https://github.com/rany2/edge-tts

2.2 安装

pip install edge_tts

2.3 简单使用

可以通过命令edge-tts --list-voice列出所有支持的语音，以下是常用的中文语音：
- zh-CN-XiaoxiaoNeural - 女声，自然
- zh-CN-YunxiNeural - 男声，自然
- zh-CN-YunyangNeural - 男声，新闻播报风格
- zh-CN-XiaoxuanNeural - 女声，成熟
- zh-CN-YunxiaNeural - 男声，少年
- zh-CN-YunjianNeural - 男声，播报解说风格
- zh-HK-WanLungNeural - 男生，粤语

代码示例：

import asyncio

import edge_tts

async def ttsWork(text, file_path, voice="zh-CN-YunxiNeural", rate="+0%", volume="+0%", proxy=None):
    communicator = edge_tts.Communicate(
        text,  # 需要转换的文本
        voice=voice,  # 配音员口音
        rate=rate,  # 语速控制
        volume=volume,  # 音量控制
        proxy=proxy  # 请求代理设置
    )
    await communicator.save(file_path)

#国内环境需要设置有效的proxy，国外服务器则不需要配置proxy
asyncio.run(ttsWork("您好，我是一直可爱的小猪！", "test.mp3", proxy="http://127.0.0.1:10808"))

2.4 效果展示

声音类型：zh-CN-XiaoxiaoNeural
声音类型：zh-CN-YunxiNeural
声音类型：zh-CN-YunyangNeural
声音类型：zh-CN-XiaoxuanNeural
声音类型：zh-CN-YunxiaNeural
声音类型：zh-HK-WanLungNeural

方案3：pyttsx3

3.1 介绍

跨系统使用，利用系统上安装的TTS引擎驱动
不需要网络连接，完全离线使用
安装简单，转换速度快，质量一般
开源地址：https://github.com/nateshmbhat/pyttsx3

3.2 安装

window安装TTS引擎

无需处理，一般默认支持

linux（debian系列）安装TTS引擎

sudo apt update && sudo apt install espeak-ng libespeak1

macOS安装TTS引擎

略过，没有mac电脑

开始安装python包

pip install pyttsx3

3.3 简单使用

import pyttsx3

# 初始化语音引擎
engine = pyttsx3.init()

# 设置要说的文本
text = "您好，我是一直可爱的小猪！"

# 设置语速,默认值是200
engine.setProperty('rate', 100)

# 设置音量,默认值是1.0
engine.setProperty('volume', 1.0)

# 保存到文件
engine.save_to_file(text, 'test.wav')
engine.runAndWait()

3.4 效果展示

最后总结

以上几种tts方案都能实现多种语言文本转语音的功能，但是微软是基于神经网络的tts，在可控性和质量上更胜一筹
如果只是需要文本转语音功能，不要求语音质量，追求稳定性、低依赖，如读书场景、AI回答朗读，可以选择pyttsx3