Text to Speech: Lokale Sprachsynthese mit edge-tts

💰 Warum lokale Text-to-Speech?

Cloud-TTS-Dienste wie ElevenLabs oder Google TTS sind mächtig — aber teuer und datenschutzrechtlich problematisch. edge-tts bietet 90% der Qualität zum Nulltarif, komplett offline nutzbar.

⚙️ So funktioniert's

Text bereitstellen — Stimme wählen — MP3 erhalten. Drei Schritte zur Audioproduktion.

💻 Technische Umsetzung

🐍 Text-to-Speech Engine

import asyncio
import edge_tts
import os

class TextToSpeech:
    def __init__(self, voice: str = "de-DE-KatjaNeural"):
        self.voice = voice
        self.rate = "+0%"  # Geschwindigkeit (-50% bis +100%)
        self.pitch = "+0Hz"  # Tonhöhe
    
    async def list_voices(self, language: str = "de") -> list:
        """Listet verfügbare Stimmen für eine Sprache"""
        voices = await edge_tts.VoicesManager.create()
        return [v for v in voices.voices if language in v['Locale']]
    
    async def synthesize(self, text: str, output_path: str) -> str:
        """Konvertiert Text zu Sprache und speichert als MP3"""
        communicate = edge_tts.Communicate(
            text, 
            self.voice,
            rate=self.rate,
            pitch=self.pitch
        )
        await communicate.save(output_path)
        return output_path
    
    async def synthesize_file(self, input_path: str, 
                              output_path: str = None) -> str:
        """Liest Textdatei und konvertiert sie zu Audio"""
        with open(input_path, 'r', encoding='utf-8') as f:
            text = f.read()
        
        if output_path is None:
            base = os.path.splitext(input_path)[0]
            output_path = f"{base}.mp3"
        
        return await self.synthesize(text, output_path)

# Nutzung
async def main():
    tts = TextToSpeech(voice="de-DE-KatjaNeural")
    
    # Verfügbare deutsche Stimmen anzeigen
    voices = await tts.list_voices("de")
    for v in voices:
        print(f"{v['ShortName']}: {v['FriendlyName']} ({v['Gender']})")
    
    # Text zu Sprache
    await tts.synthesize(
        "Hallo! Dies ist ein Test der lokalen Sprachsynthese.",
        "test.mp3"
    )

asyncio.run(main())

🎤 Empfohlene deutsche Stimmen

# Beste deutsche Stimmen in edge-tts:

# Weiblich
de-DE-KatjaNeural     # Klar, natürlich — beste Allround-Stimme
de-DE-KlarissaNeural  # Freundlich, warm
de-DE-LouisaNeural    # Jung, dynamisch

# Männlich
de-DE-ConradNeural    # Seriös, tief — perfekt für Business
de-DE-KillianNeural   # Modern, angenehm
de-DE-BerndNeural     # Erfahren, autoritativ

# Geschwindigkeit: "-20%" für langsamer, "+20%" für schneller

🚀 Gebaut mit Vibecoding