推荐TTS用pyttsx3（离线轻量）或gTTS（需网、多语言），高自然度选Coqui TTS；ASR离线首选Whisper.cpp或Vosk，在线可用云API。
语音合成（TTS）快速上手
Python中实现文本转语音，推荐使用pyttsx3（离线、轻量）或gTTS（需网络、支持多语言）。若追求自然度，可接入Coqui TTS（开源、支持微调）。
基础示例（pyttsx3）：
- 安装：
pip install pyttsx3 - 初始化引擎并朗读：
import pyttsx3
engine = pyttsx3.init()
engine.s
ay("你好，这是语音合成")
engine.runAndWait() - 可调节语速、音量、选择本地语音（如Windows的Zira、David；macOS的Alex）
ay("你好，这是语音合成")语音识别（ASR）主流方案选型
离线识别优先考虑Whisper.cpp（C++加速版Whisper）或Vosk（小模型、低延迟、支持中文）；在线识别可用from vosk import Model, KaldiRecognizer 构建“听—理解—说”闭环，关键在音频流衔接与状态管理。不建议边录边播，应分阶段处理：录音 → 识别 → 逻辑响应 → 合成 → 播放。 典型结构示意： 若需更高识别准确率且接受一定资源开销，可用faster-whisper（CTranslate2加速）替代Vosk；语音合成换用微软Edge-TTS（免费、音色丰富、中文自然）。 操作要点： 项目打包为exe时，pyttsx3和Vosk易因路径问题失效；Whisper模型较大，首次运行会自动下载，建议预置模型路径并设 常见问题：
model = Model("vosk-model-small-zh-cn")
rec = KaldiRecognizer(model, 16000)
"text"字段TTS与ASR双向交互集成
进阶：轻量化Whisper+Edge-TTS端到端实践
pip install faster-whisper edge-ttsdevice="cuda"可提速3–5倍
import asyncio
async def tts_to_file(text):
await edge_tts.Communicate(text, "zh-CN-YunxiNeural").save("out.mp3")asyncio.run()驱动，避免阻塞主线程部署与避坑提醒
WHISPER_MODELS_DIR环境变量。
