我太懂你这种本地跑通一部署就崩的难受了——之前试的gtts、edge-tts靠外部API，Render的IP很容易被封；pyttsx3依赖本地系统语音驱动，容器里根本没有；piper-tts大概率是缺了系统级依赖或者模型加载出问题。结合你的需求（免费、部署不失效、支持3000词大文本转MP3），给你推荐几个靠谱的方案：

1. Coqui TTS（首推） #

这是完全开源的本地TTS库，不需要调用任何外部API，部署后完全不受第三方服务限制，完美解决“部署失效”的问题。它支持生成MP3，处理大文本也毫无压力，只要做好分段处理就行。

部署要点： #

• 在requirements.txt里添加TTS
• Render的实例至少选2GB内存的，第一次部署会自动下载预训练模型，内存太小容易OOM
• 如果模型下载慢，可以把预训练模型文件提前传到Render的持久卷，然后指定模型路径跳过自动下载

大文本处理代码示例： #

from TTS.api import TTS
from pydub import AudioSegment
import os

# 初始化预训练模型（这里选的是英文模型，也有其他语言可选）
tts = TTS(model_name="tts_models/en/ljspeech/tacotron2-DDC", progress_bar=False, gpu=False)

# 把3000词的大文本分段（按500词一段，也可以用nltk的sent_tokenize按句子分割更自然）
long_text = "你的3000词大文本内容..."
text_chunks = [long_text[i:i+500] for i in range(0, len(long_text), 500)]

# 分段生成音频并合并
combined_audio = AudioSegment.empty()
for chunk in text_chunks:
    temp_mp3 = "temp_chunk.mp3"
    # 生成单段音频
    tts.tts_to_file(text=chunk, file_path=temp_mp3)
    # 合并到总音频
    combined_audio += AudioSegment.from_mp3(temp_mp3)
    # 删除临时文件
    os.remove(temp_mp3)

# 保存最终的MP3文件
combined_audio.export("final_output.mp3", format="mp3")

2. Bark（Suno AI开源项目） #

Bark生成的音频质量非常自然，支持多种语言，同样是本地运行不依赖外部API。唯一需要注意的是它的模型比较大，建议选Render的4GB内存实例来部署。

部署要点： #

• requirements.txt里添加suno-bark
• 同样需要安装ffmpeg等系统依赖，在build.sh里加：

apt-get update && apt-get install -y ffmpeg libsndfile1

简单代码片段： #

from bark import SAMPLE_RATE, generate_audio, preload_models
from scipy.io.wavfile import write as write_wav
from pydub import AudioSegment
import os

# 预加载模型（第一次运行会下载，后续复用）
preload_models()

long_text = "你的大文本..."
text_chunks = [long_text[i:i+300] for i in range(0, len(long_text), 300)]

combined_audio = AudioSegment.empty()
for chunk in text_chunks:
    # 生成音频数组
    audio_array = generate_audio(chunk)
    temp_wav = "temp_chunk.wav"
    write_wav(temp_wav, SAMPLE_RATE, audio_array)
    # 转成MP3并合并
    audio_segment = AudioSegment.from_wav(temp_wav)
    combined_audio += audio_segment
    os.remove(temp_wav)

combined_audio.export("final_audio.mp3", format="mp3")

为什么你之前的库部署失效？ #

• gtts/edge-tts：依赖Google/微软的公共API，Render的服务器IP属于云服务商，很容易被识别为批量请求而封禁，或者触发请求频率限制，导致部署后无法正常调用。
• pyttsx3：依赖本地操作系统的语音引擎（比如Windows的SAPI、Linux的espeak），Render的容器环境是极简的，没有预装这些驱动，自然跑不起来。
• piper-tts：大概率是缺少系统依赖（比如libsndfile1），或者模型文件路径配置错误，只要在build.sh里安装必要的系统库，把模型文件正确放到容器里就能解决。

通用部署小贴士 #

• 所有本地TTS库都需要在Render里安装系统级依赖，比如ffmpeg、libsndfile1，这些要写在build.sh里，而不是只靠requirements.txt。
• 大文本一定要分段处理，不管哪个库，一次性处理3000词都容易内存溢出，分段后合并是最优解。
• 优先选完全本地运行的库，彻底避免外部API带来的不稳定问题。

内容的提问来源于stack exchange，提问作者Olatide Enoch