Was ist openai-edge-tts?
openai-edge-tts ist ein selbst gehosteter API-Server, der die Text-to-Speech-API von OpenAI nachbildet, sodass Tools, die für OpenAI, Azure AI Speech oder ElevenLabs gebaut wurden, stattdessen darauf zeigen können – ohne Abrechnung pro Anfrage. Er tut dies, indem er die edge-tts-Bibliothek umschließt, die wiederum über das Internet mit dem kostenlosen, browserbasierten „Vorlesen“-Stimmdienst von Microsoft Edge kommuniziert.
- Produkttyp: ein selbst gehosteter API-Server (Docker oder Python), keine herunterladbare Endnutzer-App und kein lokales Sprachmodell
- Ersteller: travisvn, ein Einzelentwickler; das GitHub-Repository liegt unter github.com/travisvn/openai-edge-tts
- Repository erstellt am 9. Oktober 2024, laut den Repository-Metadaten von GitHub
- Lizenz: GPL-3.0, bestätigt über die Lizenz-Metadaten des GitHub-Repositorys; die README weist zudem darauf hin, dass Unternehmen/kommerzielle Einsätze den Autor direkt kontaktieren sollten
- Lokalität: hybrid, nicht lokal – der Server-Prozess ist selbst gehostet, aber die eigentliche Text-to-Speech-Synthese wird an den Online-Stimmdienst von Microsoft Edge weitergeleitet, nicht auf Ihrer eigenen Hardware berechnet
- Umfang: über 2.100 GitHub-Stars und 316 Forks zum Zeitpunkt dieser Rezension
Projektgeschichte und Versionsmeilensteine
Das GitHub-Repository wurde am 9. Oktober 2024 erstellt, und der bislang wichtigste öffentliche Release-Meilenstein ist v2.0.0, veröffentlicht am 28. Dezember 2024, der Markdown-Filterung, Beta-Kompatibilität mit ElevenLabs-/Azure-AI-Speech-Endpunkten sowie eine vereinfachte Einrichtung hinzufügte.
- 19. Oktober 2024: Repository erstellt
Why it matters: Markiert den Start des Projekts, laut den Repository-Metadaten von GitHub. - 2v2.0.0 — 28. Dezember 2024: Markdown-Filterung, erweiterte API-Unterstützung, vereinfachte Einrichtung
Why it matters: Fügte optionale Markdown-Filterung des Ausgabetexts hinzu, Beta-Drop-in-Kompatibilität mit ElevenLabs- und Azure-AI-Speech-Endpunkten (neben dem bestehenden OpenAI-Format-Endpunkt) und machte das `/v1`-Routenpräfix optional, laut den offiziellen GitHub-Release-Notes.
Was macht openai-edge-tts tatsächlich?
openai-edge-tts empfängt eine Text-to-Speech-Anfrage im API-Format von OpenAI, ordnet die angeforderte Stimme und Einstellungen einer entsprechenden Microsoft-Edge-Stimme zu, ruft das synthetisierte Audio über die edge-tts-Bibliothek von Microsofts Online-Dienst ab und gibt es im vom Client erwarteten Format zurück.
- OpenAI-kompatibler Endpunkt:
/v1/audio/speech(das/v1-Präfix ist seit v2.0.0 optional), passend zum Anfrage-/Antwortformat der OpenAI-TTS-API, sodass bestehender Client-Code nur eine geänderte Basis-URL benötigt - Stimmzuordnung: OpenAI-Stimmennamen (alloy, echo, fable, onyx, nova, shimmer) werden standardmäßig bestimmten edge-tts-Stimmen zugeordnet; die README dokumentiert außerdem die direkte Auswahl jeder edge-tts-Stimme unter Umgehung der OpenAI-Namenszuordnung
- Beta-Kompatibilitätsschichten: Drop-in-Endpunkte, die die APIs von ElevenLabs und Azure AI Speech nachbilden, zusätzlich zum primären OpenAI-Format-Endpunkt, eingeführt in v2.0.0
- Audioformate: mp3-, opus-, aac-, flac-, wav- und pcm-Ausgabe, laut README
- Streaming: Server-Sent-Events(SSE)-Streaming mit Base64-kodierten Audio-Chunks, für Clients, die inkrementelles Audio statt einer vollständigen Datei wollen
- Geschwindigkeitssteuerung: einstellbare Wiedergabegeschwindigkeit von 0,25x bis 4,0x
- Optionale Markdown-Filterung: entfernt standardmäßig Markdown-Syntax aus dem Eingabetext vor der Synthese, da Quelltext (zum Beispiel aus einer LLM-Antwort) oft Markdown enthält, das nicht wörtlich vorgelesen werden sollte; kann über eine
REMOVE_FILTER-Umgebungsvariable deaktiviert werden - Konfiguration: eine
.env-Datei legt API-Schlüssel, Port (Standard 5050), Standardstimme, Standardgeschwindigkeit und Standardsprache fest
Anwendungsbeispiele: Zwei Wege, openai-edge-tts zu nutzen
Dies sind konkrete Arbeitsabläufe, die auf den oben dokumentierten Funktionen des Projekts basieren.
Eine bestehende OpenAI-TTS-Integration kostenlos umleiten
Starten Sie den Docker-Container (docker run -d -p 5050:5050 -e API_KEY=your_api_key_here -e PORT=5050 travisvn/openai-edge-tts:latest) und ändern Sie dann in jedem Code, der bereits den /v1/audio/speech-Endpunkt von OpenAI aufruft, die Basis-URL, sodass sie auf Ihren eigenen Server zeigt – bei gleichbleibender Anfragestruktur. Das vermeidet die TTS-API-Kosten von OpenAI für Projekte, bei denen die OpenAI-spezifischen Stimmmodelle keine zwingende Voraussetzung sind.
Eine kostenlose Sprachausgabe zu einer selbst gehosteten Chat-Oberfläche hinzufügen
Tools wie Open WebUI unterstützen jeden OpenAI-kompatiblen TTS-Endpunkt. Wenn Sie diese Einstellung auf eine selbst gehostete openai-edge-tts-Instanz richten, erhält eine selbst gehostete Chat-Oberfläche eine gesprochene Antwortfunktion ohne OpenAI-API-Schlüssel oder Abrechnung pro Zeichen – auf Kosten dessen, dass der Antworttext zur Synthese an Microsofts Edge-Stimmdienst gesendet wird.
openai-edge-tts installieren
openai-edge-tts wird kostenlos über Docker installiert (empfohlen) oder direkt mit Python, der Quellcode liegt auf GitHub.
Quelle | Link |
|---|---|
| Docker-Image (Docker Hub) | travisvn/openai-edge-tts |
| GitHub-Repository (Quellcode, GPL-3.0) | github.com/travisvn/openai-edge-tts |
| Stimmproben / Projektseite | tts.travisvn.com |
Schnellstart per Docker: docker run -d -p 5050:5050 -e API_KEY=your_api_key_here -e PORT=5050 travisvn/openai-edge-tts:latest. Eine Docker-Compose-Einrichtung mit optionaler FFmpeg-Unterstützung sowie ein direkter Python-/pip-Installationsweg sind ebenfalls in der README dokumentiert – prüfen Sie die aktuellen Befehle auf GitHub, bevor Sie sie ausführen, da sich Installationsanweisungen zwischen Releases ändern können.
Plattform, Preise und Lizenzierung
Plattform
- Was openai-edge-tts angibt:
- Ein selbst gehosteter API-Server (Docker oder Python) – keine grafische Oberfläche, keine herunterladbare Endnutzer-App; läuft auf jedem Host, der Docker oder Python ausführen kann.
Kosten
- Was openai-edge-tts angibt:
- Kostenlos und quelloffen für den privaten Gebrauch. Die README weist darauf hin, dass Unternehmen/kommerzielle Einsätze den Autor (travisvn) direkt kontaktieren sollten.
Lizenzierung
- Was openai-edge-tts angibt:
- GPL-3.0, bestätigt über die Lizenz-Metadaten des GitHub-Repositorys.
Installationsmethode
- Was openai-edge-tts angibt:
- Docker (
docker runoder Docker Compose) ist der dokumentierte Hauptweg; ein Python-Virtualenv-plus-pip-Weg ist ebenfalls für den Betrieb ohne Docker dokumentiert.
Prüfen Sie die aktuellen Lizenz- und Nutzungsbedingungen für kommerzielle Zwecke direkt im GitHub-Repository, bevor Sie dies im Organisationsmaßstab einsetzen, da der Hinweis zur Unternehmenskontaktaufnahme in der README eine erklärte Absicht ist, kein separat veröffentlichter kommerzieller Lizenztext, den diese Rezension unabhängig prüfen konnte.
openai-edge-tts vs. Piper TTS
openai-edge-tts und Piper TTS lösen dasselbe Problem eines „kostenlosen OpenAI-kompatiblen TTS-Endpunkts“ auf entgegengesetzte Weise: Das eine leitet an einen kostenlosen Cloud-Stimmdienst weiter, das andere führt ein echtes neuronales TTS-Modell vollständig auf Ihrer eigenen Hardware aus. Sie werden verglichen, weil beide bei den gleichen Suchanfragen zu „wie füge ich meinem selbst gehosteten KI-Stack kostenloses TTS hinzu“ auftauchen.
Aspekt | openai-edge-tts | |
|---|---|---|
| Wo die Synthese stattfindet | Microsofts Edge-Stimmdienst, über das Netzwerk | Vollständig auf Ihrer eigenen CPU, kein Netzwerkaufruf |
| Lokalität | Hybrid – selbst gehosteter Server, Cloud-abhängige Synthese | Vollständig lokal – funktioniert offline nach dem Modell-Download |
| Stimmqualität/-stil | Microsoft Edges kommerzielle Online-Stimmen, viele Sprachen | Kleinere neuronale Stimmmodelle, Qualität variiert je Stimme, Download pro Stimme |
| Abhängigkeitsrisiko | Abhängig davon, dass Microsoft diesen kostenlosen Dienst weiter anbietet | Abhängig nur davon, dass die heruntergeladene Modelldatei weiter funktioniert |
| Lizenz | GPL-3.0 | MIT |
Wenn das Senden von Text an Microsoft für Ihren Anwendungsfall akzeptabel ist und Sie eine breite Auswahl ausgereifter Stimmen ohne lokale Rechenkosten wollen, ist openai-edge-tts der einfachere Weg. Wenn die Synthese vollständig auf Hardware bleiben muss, die Sie kontrollieren, ist Piper TTS (oder eine andere wirklich lokale Engine) die richtige Wahl, nicht dieses Tool.
Für wen eignet sich openai-edge-tts?
openai-edge-tts eignet sich für Entwickler, die die Kosten pro Anfrage einer kommerziellen TTS-API eliminieren wollen, ohne eine OpenAI-förmige Integration aufzugeben, und die damit einverstanden sind, dass Text an Microsofts Edge-Stimmdienst gesendet wird.
Nutzen Sie openai-edge-tts, wenn Sie
- bereits Code gegen die TTS-API von OpenAI (oder ElevenLabs oder Azure AI Speech) geschrieben haben und deren Kosten pro Zeichen oder Anfrage vermeiden wollen
- eine große Auswahl ausgereifter, mehrsprachiger Stimmen wollen, ohne separate lokale Stimmmodelldateien herunterzuladen und zu verwalten
- damit einverstanden sind, dass der zu synthetisierende Text über das Internet an Microsofts Edge-Stimmdienst gesendet wird
- die Server-Komponente selbst hosten wollen (für Verfügbarkeit, API-Schlüssel-Kontrolle oder Netzwerkplatzierung), auch wenn das Synthese-Backend extern ist
- einer selbst gehosteten Chat-Oberfläche wie Open WebUI, die bereits OpenAI-kompatible TTS-Endpunkte unterstützt, eine gesprochene Antwortfunktion hinzufügen
Schauen Sie sich anderweitig um, wenn Sie
- eine Synthese benötigen, die Ihre eigene Hardware nie verlässt – verwenden Sie stattdessen eine wirklich lokale Engine wie Piper TTS, Coqui TTS oder XTTS-v2
- eine garantierte, vertraglich abgesicherte Verfügbarkeit oder Nutzungsbedingungen für den zugrunde liegenden Stimmdienst benötigen – dieses Tool hängt davon ab, dass Microsoft seine kostenlosen Online-„Vorlesen“-Stimmen weiter anbietet, was keine dokumentierte, garantierte API ist
- Stimmklonen aus Ihren eigenen Audioproben wollen – openai-edge-tts bietet nur Microsoft Edges bestehende voreingestellte Stimmen, kein individuelles Stimmklonen
- eine herunterladbare GUI-App benötigen – dies ist eine Server-Komponente für Entwickler, keine Endnutzer-Anwendung
Wofür openai-edge-tts nicht geeignet ist
openai-edge-tts eignet sich nicht, wenn wirklich lokale, offline-fähige oder datenschutzsensible Sprachsynthese eine Anforderung ist.
- Nicht offlinefähig – jede Syntheseanfrage benötigt eine funktionierende Internetverbindung zu Microsofts Edge-Stimmdienst; funktioniert nicht auf einem vom Netzwerk getrennten Rechner
- Nicht privat auf die Art eines lokalen Modells – zur Synthese gesendeter Text erreicht Microsofts Server, dieses Tool hält synthetisierten Text also nicht auf Ihrer eigenen Hardware
- Nicht durch eine offizielle, dokumentierte Microsoft-API abgesichert – es hängt vom selben kostenlosen „Vorlesen“-Stimmmechanismus ab, den der Edge-Browser nutzt, den Microsoft ohne Ankündigung ändern oder einschränken könnte; die README selbst dokumentiert kein formales Rate-Limit oder eine Nutzungsbedingungsgarantie für diese Abhängigkeit
- Kein Stimmklon-Tool – es bietet nur Microsoft Edges bestehende voreingestellte Stimmen, ohne Unterstützung fürs Trainieren oder Klonen einer individuellen Stimme aus eigenem Audio
- Nicht standardmäßig kommerziell lizenziert – die README bittet Unternehmen/kommerzielle Einsätze, den Autor direkt zu kontaktieren, statt anzunehmen, dass die GPL-3.0-Bedingungen allein diesen Anwendungsfall abdecken
Häufige Fehler bei der Bewertung von openai-edge-tts
Die meiste Verwirrung über openai-edge-tts entsteht durch die Annahme, es verhalte sich wie ein lokales Modell, weil es selbst gehostet ist, oder durch das Übersehen des Beta-Status seiner Nicht-OpenAI-Endpunktmodi.
Fehler 1: Annehmen, „selbst gehostet“ bedeute „lokale Synthese“
Den Docker-Container auf Ihrem eigenen Server auszuführen bedeutet nicht, dass die eigentliche Text-to-Speech-Berechnung dort stattfindet. Jede Anfrage wird über das Netzwerk an Microsofts Edge-Stimmdienst weitergeleitet – behandeln Sie dies als Hybrid-/Proxy-Tool, nicht als lokale TTS-Engine.
Fehler 2: Annehmen, es schütze die Textprivatsphäre wie ein lokales Modell
Da die Synthese an Microsoft weitergeleitet wird, bleibt der gesendete Text nicht auf Ihrer eigenen Hardware. Verwenden Sie dieses Tool nicht für Text, bei dem das Senden an einen Cloud-Dienst eines Drittanbieters inakzeptabel wäre.
Fehler 3: Die ElevenLabs- und Azure-AI-Speech-Kompatibilitätsendpunkte als vollständig stabil behandeln
Diese Drop-in-Kompatibilitätsschichten wurden in v2.0.0 ausdrücklich als Beta eingeführt. Prüfen Sie das aktuelle Verhalten gegen Ihre spezifische Client-Bibliothek, bevor Sie sich in der Produktion darauf verlassen.
Fehler 4: Annehmen, es gebe ein formales SLA oder Rate-Limit für den zugrunde liegenden Stimmdienst
Das Projekt hängt vom kostenlosen „Vorlesen“-Stimmmechanismus von Microsoft Edge ab, den Microsoft nicht als ratenbegrenzte, garantierte öffentliche API veröffentlicht. Diese Rezension fand in der eigenen README des Projekts keine dokumentierte Aussage zu Rate-Limits oder Nutzungsbedingungen für diese Abhängigkeit.
Konkurrenten und Alternativen
openai-edge-tts wird am häufigsten mit wirklich lokalen, offline-fähigen Text-to-Speech-Engines verglichen, die ebenfalls einen OpenAI-kompatiblen Endpunkt bereitstellen – sein Hauptunterscheidungsmerkmal ist der Tausch echter Offline-Privatsphäre gegen Microsoft Edges breitere, ausgereiftere Stimmauswahl bei null lokalen Rechenkosten.
Tool | Bekannt für | Link |
|---|---|---|
| Piper TTS | Schnelle, vollständig lokale, reine CPU-neuronale TTS-Engine aus dem Rhasspy-Projekt | Piper TTS Review |
| Coqui TTS | Quelloffenes lokales TTS-Toolkit mit Stimmklon-Unterstützung und vielen Sprachen | Coqui TTS Review |
| XTTS-v2 | Lokales Zero-Shot-Stimmklon-TTS-Modell von Coqui | XTTS-v2 Review |
| Bark | Lokales, transformerbasiertes TTS-Modell mit ausdrucksstarker Nicht-Sprach-Audioerzeugung | Bark Review |
Diese Liste zeigt Tools, die üblicherweise mit openai-edge-tts im lokalen/selbst gehosteten TTS-Bereich verglichen werden, kein unabhängiges PromptQuorum-Ranking – prüfen Sie den aktuellen Funktionsumfang und die Hardwareanforderungen jedes Tools, bevor Sie sich entscheiden.
Häufig gestellte Fragen
Was ist openai-edge-tts?
openai-edge-tts (github.com/travisvn/openai-edge-tts) ist ein kostenloser, quelloffener (GPL-3.0), selbst gehosteter API-Server, der einen /v1/audio/speech-Endpunkt bereitstellt, der dem Text-to-Speech-API-Format von OpenAI entspricht, gestützt auf Microsoft Edges kostenlose Online-Stimmen statt eines lokalen Sprachmodells.
Läuft openai-edge-tts lokal oder nutzt es die Cloud?
Es ist hybrid, nicht vollständig lokal. Der Server selbst ist selbst gehostet, aber jede Text-to-Speech-Anfrage wird über das Internet über die edge-tts-Bibliothek an den kostenlosen Online-„Vorlesen“-Stimmdienst von Microsoft Edge weitergeleitet.
Ist openai-edge-tts kostenlos?
Ja, für den privaten Gebrauch. Es ist kostenlos und quelloffen unter GPL-3.0. Die README weist darauf hin, dass Unternehmen/kommerzielle Einsätze den Autor travisvn direkt kontaktieren sollten.
Schützt openai-edge-tts meine Privatsphäre?
Nicht auf die Art eines lokalen Modells. Da die Synthese an Microsofts Edge-Stimmdienst weitergeleitet wird, bleibt der gesendete Text nicht auf Ihrer eigenen Hardware – verwenden Sie es nicht für Text, den Sie nicht von einem Cloud-Dienst eines Drittanbieters verarbeitet haben möchten.
Wie installiere ich openai-edge-tts?
Der dokumentierte Schnellstart ist Docker: docker run -d -p 5050:5050 -e API_KEY=your_api_key_here -e PORT=5050 travisvn/openai-edge-tts:latest. Eine Docker-Compose-Einrichtung und eine direkte Python-/pip-Installation sind ebenfalls in der GitHub-README dokumentiert.
Welche Stimmen unterstützt openai-edge-tts?
Es ordnet die sechs Standard-Stimmennamen von OpenAI (alloy, echo, fable, onyx, nova, shimmer) standardmäßig entsprechenden Microsoft-Edge-Stimmen zu und erlaubt außerdem die direkte Auswahl jeder edge-tts-Stimme, was viele Sprachen abdeckt.
Kann openai-edge-tts ElevenLabs oder Azure AI Speech ersetzen, nicht nur OpenAI?
Das Projekt fügte in v2.0.0 (Dezember 2024) Beta-Drop-in-Kompatibilitätsendpunkte für ElevenLabs und Azure AI Speech hinzu, neben seinem primären OpenAI-Format-Endpunkt. Prüfen Sie das aktuelle Verhalten gegen Ihren spezifischen Client, bevor Sie sich in der Produktion darauf verlassen.
Wer hat openai-edge-tts erstellt?
Ein Einzelentwickler namens travisvn hat openai-edge-tts erstellt und pflegt es. Das GitHub-Repository wurde am 9. Oktober 2024 erstellt.
Unterstützt openai-edge-tts Stimmklonen?
Nein. Es bietet nur Microsoft Edges bestehende voreingestellte Stimmen; es gibt keine Funktion zum Trainieren oder Klonen einer individuellen Stimme aus eigenen Audioproben.
Hat PromptQuorum die Angaben von openai-edge-tts unabhängig getestet?
Diese Rezension basiert auf dem eigenen GitHub-Repository, der README und den Release Notes des Projekts, nicht auf eigenen Latenz- oder Audioqualitätstests von PromptQuorum.