Edge TTS Bridge

Edge TTS Bridge 是一個輕量級服務，將 Microsoft Edge 內建的文字轉語音（TTS）引擎封裝為 OpenAI 兼容的語音 API。透過本橋接器，任何支援 OpenAI audio/speech 端點的應用程式，皆可無縫使用 Edge TTS 的自然語音，包括香港中文語音 zh-HK-HiuGaaiNeural。此方案特別適合需要在私有雲環境中提供低成本、高品質語音合成的場景，免去訂閱商用雲端 TTS 服務的費用。

概述

微軟 Edge 瀏覽器所使用的 TTS 服務本身並無正式公開付費 API，但其實際端點可被第三方使用。Edge TTS Bridge 即作為中間層，接收 OpenAI 格式的請求（例如 POST /v1/audio/speech），轉換為 Microsoft 的合成請求，再串流傳回音訊。這樣開發者便可沿用 OpenAI SDK 或現有語音整合，直接切換至 Edge TTS 而毋須修改業務邏輯。

本機實況中，服務以 Docker Compose 部署，使用自訂鏡像 edge-tts-bridge:latest，容器名為 edge-tts-bridge，並固定配置於 cf_network 網絡的靜態 IP 172.21.0.76。該網絡為外部預先建立，用於配合 Cloudflare Tunnel 或其他內部服務互相訪問。

架構

典型架構如圖所示：

客戶端應用程式 (OpenAI SDK)
        │
        ▼
Edge TTS Bridge 容器 (172.21.0.76)
        │
        ▼
Microsoft Edge TTS 端點

• 客戶端：任何支援 OpenAI 語音 API 的工具，例如 litellm、openai 官方 SDK、自動化腳本等。
• Edge TTS Bridge：容器內執行 FastAPI 或類似框架，提供 RESTful 端點。它驗證請求（可選 API 金鑰）、對應語音參數、呼叫 Edge TTS 並緩衝/串流 MP3 音訊。
• 網絡：容器加入 cf_network（Docker external network），取得 172.21.0.76。此網絡通常是 Cloudflare Tunnel 的對外橋樑，確保語音 API 可在內網或被安全隧道公開。

部署

部署此橋接器最直接的方法是使用 Docker Compose。在目標主機上確保已建立外部網絡 cf_network：

docker network create cf_network

然後放置上述 Compose 檔案（節選），執行：

docker compose up -d

建置鏡像時，會從本地 build: . 取得 Dockerfile，產生 edge-tts-bridge:latest。容器設定 restart: unless-stopped，因此系統重啟後會自動恢復。

若需對外公開，通常配合 cloudflare-tunnel，將網域名稱指向容器的 IP 及實際監聽連接埠（需參考 Dockerfile 中的 EXPOSE 指令；Compose 未列出 ports，表示服務可能不需要直接映射到主機，僅供網絡內訪問）。

配置

主要環境變數如下：

• TZ=Asia/Hong_Kong：設定容器時區，確保日誌時間戳與排程行為符合香港時間。
• EDGE_TTS_VOICE=zh-HK-HiuGaaiNeural：預設語音。此為近年微軟提供的高品質廣東話女聲，亦支援其他地區如 zh-CN-XiaoxiaoNeural、en-US-JennyNeural。客戶端請求若未指定語音，則使用此預設值。

其他常見配置（未在節選中列出）可能包括：

• EDGE_TTS_API_KEY：若啟用，所有請求須帶上 Authorization: Bearer <key>。
• EDGE_TTS_RATE：調整語速（如 +10%）。
• EDGE_TTS_PITCH：調整音調。

若要修改語音，可在環境變數中更改，或於 API 請求的 voice 欄位指定其他支援名稱。

維運與監控

日常維運可透過 Docker 指令進行：

• 查看即時日誌：docker logs -f edge-tts-bridge
• 測試健康狀態：curl http://172.21.0.76:<內部連接埠>/health（需在相同網絡內）
• 檢查容器狀態：docker ps --filter name=edge-tts-bridge

由於容器已加入 cf_network，可使用 docker inspect edge-tts-bridge 確認 IP 分配無誤。建議在監控系統中加入定期合成測試，確保語音端點回應時間正常。資源使用方面，Edge TTS Bridge 一般只需少量記憶體（<100MB），CPU 負載亦低。

常見問題

問：為何無法從主機直接訪問 172.21.0.76？
因為該 IP 屬於 Docker 自訂網絡，主機若不在 cf_network，便無法直接路由。需透過同網絡內其他容器或使用 docker exec 執行 curl。

問：如何將語音請求轉發給此服務？
在 OpenAI SDK 中設定 base_url="http://172.21.0.76:<內部連接埠>/v1"，API 金鑰則隨意（若未啟用驗證）。

問：Edge TTS 服務是否會封鎖？
由於微軟未有官方 SLA，此橋接器僅適合低流量內部應用。若須生產級服務，建議採用 Azure Speech Service。

問：支援哪些音訊格式？
預設為 MP3，亦可依賴實作支援 opus、aac 或 flac。

相關鏈接

• docker
• litellm
• cloudflare-tunnel
• openai
• 文字轉語音
• Azure Speech Service
• docker-compose

來源

自動生成（2026-08-19 容器覆蓋率補完第二批）