ESP32-S3 上的
离线中文语音合成
LingTTS 是一个 ESP-IDF 组件。传入一段中文，芯片本地合成 16 kHz 语音，边合成边从 I2S 播出。不联网，不调用云端服务，同样的输入每次输出完全一致。
串口日志 · 2026-10-23 · web_demo I (1648) demo: LingTTS 0.2.0-rc1, community (no activation, unlimited) I (1848) demo: Ready: connect to LingTTS-Demo, open http://192.168.4.1 I (94688) demo: job=1 error=0 first_pcm=267.0ms audio=9.12s compute=4.83s I (186418) demo: job=2 error=0 first_pcm=309.6ms audio=19.80s compute=10.73s
在线试听
服务器上跑的是同一份 C 代码和模型，只是编译成了 PC 版。听到的就是芯片上的声音。
每次最多 200 字，16 kHz 单声道。
服务器不保存你输入的文字和生成的音频。
排队限流；需要批量合成请用 SDK。
规格
ESP32-S3 N16R8 · 240 MHz · ESP-IDF 5.5.6，板上实测。
- 输出
- 16 kHz · 16 bit · 单声道
- PCM 通过回调分段送出，可以边合成边播放。
- 合成速度 RTF
- 0.42 / 0.48
- PSRAM / 无 PSRAM 配置，hello 示例，含文本前端。网页演示开着热点时为 0.53–0.54。
- 首段音频
- 0.27 – 0.32 s
- 从调用到拿到第一段 PCM，不等于喇叭出声时间。
- 内存
- PSRAM 2.63 MB + 内部 RAM 约 1 KB
- 无 PSRAM 时改用内部 RAM 151 KB。任务栈、DMA 和应用内存另计。
- Flash
- 约 2.6 MB
- 库 189 KB · 模型 1.83 MB · 词典 0.54 MB，可放进 4 MB Flash。
- CPU
- 单核
- 另一个核留给 Wi-Fi、显示和业务逻辑。
- 文本
- 中文 · 数字 · 日期 · 金额
- 英文只认字母和约 80 个常用词。
上板试听
不装开发环境。固件包在 GitHub Releases 下载，自带烧录脚本。
-
1接线
MAX98357A 功放 → 开发板
BCLK GPIO 15 LRC GPIO 16 DIN GPIO 7 -
2烧录
python flash.py --port COM5
先 pip install esptool==4.12.0。脚本会核对文件校验值，再让你输入 YES 确认。
-
3播放
手机连热点 LingTTS-Demo，密码 lingtts-demo，打开 192.168.4.1，输入一句中文，点播放。
页面会显示这次合成的首段延迟、RTF 和内存。
接入
一个 ESP-IDF 组件，三个头文件。引擎只管出 PCM，播放方式由你决定。
main/app_main.c
#include "lingtts_engine.h"
static int on_pcm(const int16_t *pcm, size_t n, void *user)
{
size_t written;
i2s_channel_write(tx, pcm, n * 2, &written, portMAX_DELAY);
return 0; /* 返回非 0 即停止合成 */
}
void app_main(void)
{
lingtts_engine_cfg_t cfg;
lingtts_engine_default_cfg(&cfg); /* 选 PSRAM 或内部 RAM */
lingtts_engine_t *e;
lingtts_engine_create(&e, &cfg);
lingtts_engine_speak(e, "您本次消费23.50元。", on_pcm, NULL);
}
可随时 stop，合成中途切换文本。
I2S DMA 建议留 400 ms 以上缓冲，示例已配好。
当前局限
- 只有一个普通话基础音色，可根据需求定制。
- 英文只读字母和约 80 个常用词，带中文口音；整句英文不行。
- 不支持 SSML、情感和语速控制。
- 多音字、专名、型号编号可能读错，需要按你的文本适配。
- 模型还在迭代，音质和长句停顿还有提升空间。
授权
以正式发布包所附许可为准。
免费社区版
个人项目、学习教学，以及公司内部研发、测试和原型演示。不用注册，不联网激活，不限台数和合成时长。
商业部署书面授权
卖产品、收费服务、正式上线需要签书面授权。早期项目可以谈免费或优惠。
工程支持按需
适配你的板子、调文本读法、定制音色。
示例与接入代码使用 MIT 许可；引擎、模型和词典以二进制提供，单独许可，不是整包开源。