简介：freeTTS是一个基于Java的开源文本转语音系统，面向需要集成语音合成能力的Java开发者，常用于语音助手、教育软件、无障碍工具及车载导航等场景，也是理解语音合成原理的很好范例。这个java语音包共含103个文件，以Java源码、Shell脚本、文本语料、测试音频和评测数据为主，压缩包仅3.75MB，目录结构清晰，便于定位核心代码与辅助资源。资源覆盖合成器核心接口、发音选择、文本预处理和事件驱动控制，并展示多种发音引擎的接入方式；同时提供基准测试、数据采集和大量性能结果文件，方便对比不同参数下的合成效果。开发者可通过完整源码与示例，系统学习从文本输入到音频输出的完整流程，再基于该框架做定制和二次开发。已有796人学习下载，非常适合需要为Java项目添加语音功能的工程师，以及希望深入语音合成内部机制的学习者。 一盘项目，做了一半的时候老板说现在加个语音播报功能，要在不联网的内网环境跑，还要Java对接。我第一反应是搜一圈商用API，结果全部需要联网授权，要么就是收费按调用次数。后来翻出来一个老牌开源引擎——freeTTS，纯Java实现，不需要网络，不依赖昂贵的商业SDK，直接读文本就能合成为语音输出，妥妥的离线TTS方案。
这篇文章我把freeTTS从思想架构、依赖配置到命令行用法、Java API实际编码，再加上我在项目中踩过的坑，一次性梳理清楚。如果你是Java技术栈、需要离线文字转语音、或者在做嵌入式/桌面工具需要语音提示，这篇可以直接当作上手手册用。
1. 从底层认识freeTTS：为什么它到今天还有人用
1.1 核心实现思路：Flite的Java移植
freeTTS本身是卡内基梅隆大学Flite引擎的纯Java移植版本，而Flite脱胎于更早的Festival语音合成系统。简单理解就是：原本用C语言写的轻量级语音合成引擎，被Sun实验室改写成Java版本，保留窄依赖、低资源占用的特点。
它采用的是基于HMM（隐马尔可夫模型）的统计参数语音合成路线，不是现在流行的神经网络端到端方案。这也是它音质偏机械的根本原因——好处是模型小、计算快，普通桌面CPU跑起来毫无压力，不依赖GPU，不依赖大内存。
底层结构大体可以拆成四层：
- 文本前端：处理输入文本，做分词、数字扩展、多音字消歧、标点符号处理；
- 韵律生成：根据句子结构估算停顿、重音、音高走势；
- 声学模型：用HMM建模声学参数（频谱、基频等）；
- 波形合成：从声学参数重构出可播放的PCM波形。
因为整个链路都是Java代码，所以跨平台特性天然有优势，Windows、Linux、macOS只要装了JDK就能跑，老项目里集成非常方便。
1.2 项目定位与适用边界
freeTTS定位于“适合嵌入Java应用的轻量级语音合成”，它不追求音质逼近真人，而是强调可控、可定制、离线可用。在设计上它有三大特点，这也是它能活到今天的原因：
- 不依赖外部服务：所有语音数据都打好在jar包或者本地语音包里，内网离线环境部署很方便，不存在授权服务器挂掉的问题。
- 可编程性高：语速、音调、音量、停顿都可以通过Java API精确控制，适合在业务代码里按条件动态调整。
- 低资源占用：相较于现代深度学习TTS动辄几百M的模型，freeTTS的模型打包后只有几MB到十几MB，嵌入到老嵌入式设备上也能跑。
但必须说清楚，它不适合的场景也很明确：
- 需要自然流畅、像真人对话音质的商用语音助手——不建议用；
- 需要中文普通话合成——原生不支持，需要额外改造；
- 需要实时长文本流合成——它能合成，但效果一般，长文本会有明显机械感。
1.3 对比现代TTS方案
我整理了一个快速的对比表，帮你判断freeTTS在当下的位置：
| 对比维度 | freeTTS | 深度学习TTS（如MeloTTS、Coqui） | 云厂商API |
|---|---|---|---|
| 运行环境 | 纯Java，JDK即可 | 需要Python、PyTorch等 | 联网调用 |
| 部署成本 | 低，jar包+语音包 | 较高，模型体积大 | 低（但有连接层） |
| 离线可用 | 是 | 是 | 否 |
| 中文效果 | 原生不支持 | 支持较好 | 支持优秀 |
| 音质 | 机械感重 | 自然度高 | 最佳 |
| 授权费用 | 免费开源 | 部分开源免费 | 按量付费 |
从结果上看得比较清楚，freeTTS的出路在于“工程环境受限、只需要简单语音提示”的场景。如果你手头就是这样一套老系统，选它是很务实的决定。
2. 动手前的准备：包结构、JDK版本和内置音色的选择
2.1 依赖包结构与版本取舍
当前公开可获取的稳定版本是freeTTS 1.2.2和1.2.1的若干分支（社区中有人维护到2.x版本，但我实测用下来官方1.2.2最稳）。使用之前需要确认你的JDK版本：
- JDK 8及以下：直接用官方源码包或预编译包，几乎无坑；
- JDK 11及以上：官方预编译包中的部分老模块（尤其依赖
javax.speech的JSAPI部分）可能出现类加载问题，要么降级JDK，要么单独引入兼容包覆盖。
freeTTS核心依赖其实很简单，常见的是这几个文件：
freetts.jar：TTS核心引擎；en_us.jar：美国英语语音数据包，包含cmu_us_kal等音库；cmulex.jar：发音词典（对英文文本做字母到音素的转换）；cmudict04.jar：英文发音字典数据；jsapi.jar（可选）：JSpeech API，实现javax.speech.*标准接口。
如果你只是在业务里快速集成，不需要JSAPI那套标准接口，那freetts.jar配合en_us.jar和cmulex.jar这三个就够跑通核心流程了。
2.2 初始环境快速验证
拿到jar包后可以先做一个最简单的命令行验证，确保你的环境能正常出声。
在bin目录下执行（以官方包为例）：
java -jar freetts.jar -text "Hello, this is a free TTS test."正常情况下会听到喇叭里读出一句英文。如果这一步没有问题，说明核心引擎和音库都正常，接下来再往Java工程里迁移就少了很多排查烦恼。
2.3 内置音色库怎么选
freeTTS默认带几套音色，使用频率最高的是这几个：
| 音色名称 | 采样率 | 风格 | 适用场景 |
|---|---|---|---|
| kevin | 8kHz | 低采样率，有机器人感 | 验证流程、低码率语音提示 |
| kevin16 | 16kHz | 清晰度提升，仍然偏机械 | 大多数工程场景推荐 |
| alan | 8kHz | 另一个中文-英音? 实际是另一个低资源音库 | 资源受限的嵌入式环境 |
实际项目里我基本固定用kevin16。8kHz的音色听起来像电话线路里的声音，而16kHz能明显提升元音清晰度，用户对语音提示的接受度更高。
注意：如果你计划把语音合成为明文WAV后再压缩存储，用
kevin16生成的效果会更好，避免低采样率在经过压缩编码后产生更多可感知的噪声。
3. 命令行模式：不写代码也能完成语音合成
3.1 基础文本朗读
命令行模式是freeTTS最直接的使用方式。最简单的命令是直接用-text参数传入要朗读的字符串：
java -jar freetts.jar -text "Welcome to the system."如果要朗读一段较长的文本，不推荐在命令行里粘贴超长字符串。更好的做法是把内容放到文件里，用-file参数指定：
java -jar freetts.jar -file notes.txt3.2 输出到音频文件
工程里很多时候不需要实时播放，而是要把合成结果落盘，生成WAV或者交给后续媒体处理。命令如下：
java -jar freetts.jar -text "Hello" -dumpAudio hello.wav还可以指定音色和语速：
java -jar freetts.jar -voice kevin16 -text "Hello" -dumpAudio hello.wav实测下来，kevin16生成一段20秒左右的语音，CPU占用几乎可以忽略，文件也就在300KB上下（16kHz单声道16bit编码），适合直接把WAV交给播放器或者再压缩成MP3/OGG存储。
3.3 批量语音合成
利用命令行可以做简单的批量合成。我用过一个思路：先把要播报的文案按照行写入list.txt，然后写个循环脚本逐一生成音频文件。日志、屏显消息、提示语可以批量处理，甚至可以把数字日期预合成好，放到素材库中供音频播放模块调用。
Linux/macOS下可以这样写：
while read line; do fname=$(echo "$line" | md5sum | cut -d' ' -f1) java -jar freetts.jar -text "$line" -dumpAudio "${fname}.wav" done < list.txt批量生成的音频可以用ffmpeg统一转码、拼接或者加背景提示音，这在语音导航、语音播报类项目中非常实用。
4. Java API实战：从一行代码到工程级封装
4.1 最小Java调用示例
项目中真正长时间使用的是Java API。核心入口是VoiceManager，它负责管理和分配语音对象。下面是最小可运行的示例：
import com.sun.speech.freetts.Voice; import com.sun.speech.freetts.VoiceManager; public class TTSSample { public static void main(String[] args) { VoiceManager voiceManager = VoiceManager.getInstance(); Voice voice = voiceManager.getVoice("kevin16"); if (voice == null) { System.err.println("音色加载失败，请检查语音包"); System.exit(1); } voice.allocate(); voice.speak("Hello, this is a free TTS demo."); voice.deallocate(); } }这里有一个值得注意的点：getVoice返回的可能是null，如果en_us.jar没有正确放到classpath或者音色名称写错，代码不会立即报错，而是在allocate()时抛出异常。所以实际编码时必须先对voice做判空处理。
4.2 语速、音调和音量的精细控制
freeTTS的Voice对象提供了几个核心参数接口，虽然是老API，但该有的都有：
voice.setRate(160); // 语速，默认值通常在150左右 voice.setPitch(120); // 音调基线，数值越大音调越高 voice.setVolume(2.0f); // 音量，范围0.0 ~ 2.0，大于1.0会有放大效果需要特别说明的是，setRate并不是严格意义上的“字/每分钟”，它更多是一个内部调整参数。实际测试中，150大约是普通朗读语速，180以上明显加快，120左右适合做重点提示语。音调方面，默认值用起来最稳定，过高会让人声显得尖利。
另外，切换音色之后这些参数都会被重置，因此如果项目中要动态切换音色，务必在每次allocate()之后重新设置一遍参数。
4.3 异步播放与事件监控
voice.speak()是阻塞方法，在播报长文本时容易卡住业务线程。实际项目中我更推荐用异步方式，将播报任务提交到线程池：
ExecutorService executor = Executors.newSingleThreadExecutor(); executor.submit(() -> { voice.setRate(150); voice.speak("Task completed successfully."); });如果需要在播放开始时、结束后触发业务逻辑（比如更新UI状态、记录日志），可以利用Utterance和UtteranceListener。
voice.addUtteranceListener(new UtteranceListener() { @Override public void utteranceStarted(Utterance utterance) { System.out.println("开始合成播放"); } @Override public void utteranceEnded(Utterance utterance) { System.out.println("播放结束"); } });这个机制比轮询播放状态要靠谱得多，而且不增加额外依赖，在老系统中接入也方便。
4.4 合成到WAV文件
很多场景不需要声卡播放，只需要把语音写成音频文件存到磁盘上。freeTTS可以通过把输出流重定向到FileOutputStream实现：
import java.io.FileOutputStream; import java.io.IOException; public class TTSToFile { public static void main(String[] args) throws IOException { VoiceManager voiceManager = VoiceManager.getInstance(); Voice voice = voiceManager.getVoice("kevin16"); voice.allocate(); FileOutputStream fos = new FileOutputStream("output.wav"); voice.setWaveformOutput(fos); voice.speak("Saving audio to file."); fos.close(); voice.deallocate(); } }这条代码把语音波形直接写入WAV文件。需要注意setWaveformOutput之后，当前Voice对象便不再输出到音频设备，后续如果要恢复播放，需要重新调用setWaveformOutput(null)或者重新allocate()。
要转成MP3的话，可以把WAV先保存，再执行FFmpeg转换：
ffmpeg -i output.wav -codec:a libmp3lame -qscale:a 4 output.mp3这样既绕过了Java侧需要额外依赖MP3编码器的问题，又保留了WAV源文件方便后续调整音色重新合成，一举两得。
5. 工程里的常见玩法与场景组合
5.1 生成系统提示音素材
在我接手的那个内网项目里，实际落地的方式并不复杂：提前把所有需要播报的提示语用freeTTS合成好，存成WAV文件放到资源目录，等到对应业务事件触发时直接用播放器播放。这样做的最大好处是运行时完全不占用CPU和内存去进行语音合成，系统负载更低。
提前合成建议开启波形输出到文件，统一命名，然后维护一张“提示语Key到音频文件路径”的映射表。这块表可以放在配置文件或者数据库里，更换提示语时只需要重新生成音频，不需要改代码。
5.2 在Java桌面程序中做实时播报
如果你的场景需要运行时动态拼接内容，比如“用户xxx登录成功”“设备xx温度过高”，那就不适合提前合成全部内容了，而是要在代码里拼装完整句子，再调用freeTTS实时合成并播放。这种模式我在一个工控系统里验证过，连续播放10分钟左右的场景是完全没有问题的，CPU占用比较稳定。
关键点是控制并发：
- 全局只创建一个
Voice实例，避免多个实例同时讲话造成音频设备冲突； - 播报请求放进队列或者单线程消费，禁止多个线程同时调用
speak()； - 长文本播报前，先做一个“是否正在播报”的判断，避免语音叠加。
5.3 配合JSAPI做标准语音接口
如果项目需要符合javax.speech标准接口，以便后续无缝替换其他TTS引擎，可以选用freeTTS提供的JSAPI包。典型用法是：
import javax.speech.*; import javax.speech.synthesis.*; Synthesizer synth = Central.createSynthesizer(null); synth.allocate(); synth.resume(); synth.speakPlainText("Standard JSAPI test", null); synth.waitEngineState(Synthesizer.QUEUE_EMPTY); synth.deallocate();这种封装的好处是抽象了TTS实现，将来若把freeTTS替换成其他支持JSAPI的引擎，业务层代码不用大幅改动。不过JSAPI本身在Java生态里已经边缘化，除非你确实有“面向接口开发”的约束，否则直接用freeTTS原生API更简单直接。
6. 项目落地时踩过的坑与排查方法
6.1 常见的异常与处理
我在实际使用过程中遇到过一些问题，整理成表格供你对照排查：
| 现象 | 可能原因 | 处理方式 |
|---|---|---|
Voice对象为null | 语音包en_us.jar未加入classpath | 检查classpath，确认jar包存在 |
allocate()抛出异常 | 音色名称写错，或语音数据加载失败 | 用VoiceManager.getVoices()列出所有可用音色 |
| 播放无声音 | 系统默认声卡被占用或音量过低 | 先试命令行模式，排除引擎问题 |
| 输出文件为空 | setWaveformOutput()使用了未关闭的流，或未调用deallocate() | 确认流关闭时机和Voice释放逻辑 |
JDK 11以上运行报ClassNotFoundException | 部分老API不在JDK中自动加载 | 使用JDK 8运行，或引入对应的兼容依赖 |
6.2 中文文本处理：没有原生支持怎么办
freeTTS默认只支持英文文本，对中文输入基本是无效的。如果直接把中文字符串丢给它，大概率是语音对象不输出内容，或者只读出空白音。
如果你想在中文场景下用freeTTS，有两个折衷方案：
- 把中文文本转成拼音，再喂给freeTTS朗读。因为它的发音引擎能读英文字母，拼音可以当作英文字符串去读。比如“你好”转成“ni hao”，朗读效果勉强能听，但声调还原不准确。
- 换用支持中文的离线TTS方案，比如MeloTTS、Coqui TTS。这些现代方案已经能本地运行，对中文支持更好，只是不再是纯Java环境。
整体上，如果业务面向中文语音播报且要求高，那freeTTS不是合适的工具；如果只是少量英文提示词，它倒是完全够用。
6.3 资源配置与性能经验
freeTTS本身对CPU的占用不大，生成普通句子的语音几乎是在毫秒级完成，但要注意两点：
- 不要频繁创建和销毁
Voice对象。每次allocate()和deallocate()都会加载和释放语音数据，这个开销远比speak()本身大。建议在应用启动时allocate一次，整个进程生命周期内重用。 - 批量合成时，多线程并行调用
VoiceManager实例并没有明显的性能提升，因为底层语音合成库使用的是同步的HMM计算。实践中，用一个单线程循环批量处理即可，实在追求速度就拆成多个进程并行。
6.4 一个值得尝试的优化方向
如果你已经在用freeTTS做项目并且对音质还不太满意，可以试试调整语速和音调的组合。我实测kevin16音色下，把语速降到135左右，音调调到115上下，合成出来的语音在“机械感”上会大大减弱，原理是慢速时HMM参数中的谱细节能够更好地体现出来，快速合成反而会丢失一些过渡帧。
微调参数这件事，没有绝对最优值，不同音频输出设备差异也很大。建议在项目里做一个“语音参数配置”页面，让使用方自己试听调整，甚至可以为不同提示语设置不同的参数组，灵活度更高。
写在最后的一个小建议
如果你是在维护老系统，或者要快速给工具加一个离线语音提示，freeTTS依然是一个成本很低的选择。它最大的价值不是音质，而是“能离线、能嵌入Java、不用付授权费用”的确定性。我在实际项目中，会把它整体封装成一个独立的语音服务模块，对外只暴露speak(String text)和speakToFile(String text, String path)两个方法，底层用kevin16音色统一加载，后续哪怕引擎换掉，接口也完全不用改动。
免费、可控、简单，这三点加在一起，在老系统和内网项目中就足够让人放心了。
本文还有配套的精品资源，点击获取
