高性能 Edge TTS Cloudflare Worker 代理

这是一个部署在 Cloudflare Workers 上的高性能文本转语音（TTS）代理服务。它巧妙地将微软 Edge 强大且自然的语音合成服务，封装成了一个兼容 OpenAI API 格式的接口。这使得开发者可以无缝地将各种现有应用对接到这个免费、高质量的 TTS 服务上。

项目包含两个核心文件：

1. workers.js: 部署在 Cloudflare 上的核心服务脚本。
2. webui.html: 一个功能完备的本地网页，用于方便地测试和调用服务。

✨ 功能亮点

• 🚀 OpenAI 兼容: 完全模拟 OpenAI 的 /v1/audio/speech 接口，可被官方的 OpenAI SDK 或任何现有工具直接调用。
• 🗣️ 高质量音色: 利用微软 Edge TTS 提供的多种自然、流畅的神经网络语音。
• ** STREAMING**: 支持流式和标准（非流式）两种响应模式，流式响应可极大降低长文本的首次播放延迟。
• 🧠 智能文本清理: 内置强大的“文本清理流水线”，可自动处理从 PDF 或网页复制的杂乱文本：
  • 移除 Markdown 格式。
  • 移除 Emoji 表情符号。
  • 移除 URL 链接。
  • 移除论文或文档中的引用标记数字（如 ...文本 1.），同时保留有意义的数字（如年份、数量）。
  • 移除所有多余的空格和硬换行，确保中文听感自然连贯。
  • 支持自定义关键词过滤。
• 🎛️ 灵活的参数配置: 支持通过 API 请求动态调整所有核心参数，包括音色、语速、音调、分块大小、并发数以及所有清理选项。
• 🌐 零依赖部署: 脚本完全自包含，无需配置 KV、队列等任何外部服务，部署过程极其简单。
• 💻 便捷的测试工具: 提供一个功能丰富的 webui.html，让用户无需编写任何代码即可测试所有功能。

🚀 它是如何工作的？

这个 Worker 脚本扮演了一个智能“中间人”的角色。

1. 接收请求: 它接收一个格式与 OpenAI TTS API 完全相同的 POST 请求。
2. 文本预处理: 它会立即运行强大的文本清理流水线，对输入的文本进行净化，以达到最佳的听感。
3. 智能决策: 它会快速预估处理这段文本所需的资源。
   • 短文本: 如果文本长度在安全范围内，它会采用最高效的“直接同步模式”进行处理。
   • 超长文本: 如果文本长度可能触发 Cloudflare 的平台限制，它会自动启用“自我调节机制”，重新计算并调整分块策略，以保证任务 100%成功。
4. 分块与并发: 它将处理好的文本分割成多个小块，并根据您指定的并发数，分批次地向微软 Edge TTS 服务器发起请求。
5. 返回结果:
   • 标准模式: 等待所有音频块返回，拼接成一个完整的 MP3 文件后一次性返回。
   • 流式模式: 在收到第一个音频块时就立即开始向客户端发送数据，实现低延迟播放。

部署指南

部署这个服务非常简单，只需要几分钟。

准备工作

• 一个 Cloudflare 账户（免费版即可）。

步骤一：创建 Cloudflare Worker

1. 登录到您的 Cloudflare 仪表板。
2. 在左侧菜单中，找到并点击 Workers 和 Pages。
3. 点击 创建应用程序 -> 创建 Worker。
4. 为您的 Worker 指定一个独特的名称（例如 my-edge-tts-proxy），这将成为您 URL 的一部分。
5. 点击 部署。

步骤二：配置 Worker

1. Worker 创建成功后，点击 配置 Worker 按钮。
2. 粘贴代码: 在左侧的编辑器中，删除所有现有代码，然后将 workers.js 文件的全部内容复制并粘贴进去。
3. 添加密钥:
   • 在右侧，选择 设置 -> 变量。
   • 在“环境变量”下的 机密变量 部分，点击 添加机密变量。
   • 变量名称: 输入 API_KEY
   • 机密值: 输入一个您自己设定的、足够复杂的密码（例如 sk-my-super-secret-key-12345）。这个值将是您调用 API 时的凭证。
   • 点击 加密。

步骤三：部署

1. 完成以上配置后，返回代码编辑器页面。
2. 点击右上角的 保存并部署 按钮。

恭喜！您的 TTS 代理服务现在已经全球可用了。您的 API 地址就是 Worker 页面上显示的 https://<您的Worker名称>.<您的子域>.workers.dev。

步骤四：使用 Web UI

1. 将 webui.html 文件保存到您的本地电脑上。 2. 用您的浏览器（如 Chrome, Safari）直接打开这个 HTML 文件。

1. 用浏览器访问上方的https://<您的Worker名称>.<您的子域>.workers.dev，即可使用webui了（本仓库中的webui.html没有实际用途，仅用于归档，因为它的全部内容实际已经在worker.js里有一份了）。
2. 在页面的“API 配置”部分，填入您的 Worker URL 和您刚才设置的 API Key。
3. 现在，您可以尽情测试所有功能了！

🛠️ API 使用指南

端点

POST https://<您的Worker名称>.<您的子域>.workers.dev/v1/audio/speech

认证

使用 Bearer Token 认证方式。将您的 API Key 放在 Authorization 请求头中。

Authorization: Bearer YOUR_API_KEY

请求体参数 (JSON)

cURL 示例

1. 标准请求

curl --location 'https://<YOUR_WORKER_URL>/v1/audio/speech' \
--header 'Authorization: Bearer YOUR_API_KEY' \
--header 'Content-Type: application/json' \
--data '{
    "model": "tts-1-alloy",
    "input": "你好，这是一个标准的语音合成请求。"
}' \
--output standard.mp3

2. 流式请求 (用于长文本)

curl --location 'https://<YOUR_WORKER_URL>/v1/audio/speech' \
--header 'Authorization: Bearer YOUR_API_KEY' \
--header 'Content-Type: application/json' \
--data '{
    "model": "tts-1-nova",
    "input": "这是一个流式请求的示例，对于较长的文本，你能更快地听到声音的开头部分。",
    "stream": true
}' \
--output streaming.mp3

3. 使用高级过滤选项

curl --location 'https://<YOUR_WORKER_URL>/v1/audio/speech' \
--header 'Authorization: Bearer YOUR_API_KEY' \
--header 'Content-Type: application/json' \
--data '{
    "model": "tts-1-shimmer",
    "input": "这段文本包含 **Markdown** 1、一个链接 https://example.com 和一个表情 😂。",
    "cleaning_options": {
        "remove_markdown": true,
        "remove_urls": true,
        "remove_emoji": true,
        "remove_citation_numbers": true
    }
}' \
--output cleaned.mp3

⚠️ 重要限制

• 字符数限制: 此版本的脚本设计为在 Cloudflare 免费套餐 上稳定运行。为了保证这一点，对于单次请求的文本长度有一个隐性的上限，大约在 12 万字符 左右 (~50 * 2500)。对于绝大多数应用场景（包括转化整篇长文）都已经完全足够。超过这个长度，API 会返回一个清晰的错误提示。

📄 项目文件说明

• workers.js: 核心服务逻辑。包含了 API 路由、认证、文本清理、自我调节机制、以及与微软 TTS 服务的交互。这是您需要部署到 Cloudflare 的唯一文件。
• webui.html: 一个独立的、功能强大的 HTML 测试页面。它无需任何服务器，可以直接在本地用浏览器打开。它封装了所有 API 参数，并提供了一个直观的界面来与您的 Worker 服务进行交互。