python局域网程序怎么发语音？先看清这 3 个坑再动手

Python 在局域网里发语音，最稳的做法是两段式：先在本机把文字合成成音频文件，再用 socket 把文件传过去，对端收到后播放。不要一上来就做实时流，因为局域网里真正容易卡住你的三个坑——广播域不通、单包超过 MTU 被丢、两端采样率不一致——在文件方案里都能绕开。

很多初学者搜「Python 局域网发语音」，期望找到一段代码能直接对着麦克风喊话。实际落地的场景更朴素：一台机器定时播报提醒，另一台机器负责合成并推送。这类需求用文件传输完全够用，实时流反而带来一堆调试成本。

本文给出可运行的两段式实现，标注了每个步骤的预期结果，并单独列出三个坑的现象、原因与修复方式。今天这篇文章，编程狮就把这条链路讲透。

先看结论

局域网内传语音，建议按「合成 → 传文件 → 播放」三步走，而不是做实时音频流。三个坑分别是：广播地址写错或跨网段导致对端根本收不到；音频数据不分包，单个 UDP 包超过 MTU 被丢弃；两端采样率或声道数不一致，播出来是噪音。

判断顺序是先用 TCP 小文件验证连通性，再加大数据量，最后才考虑实时性。这个顺序能让你在每一步都知道问题出在哪。

网络这一层若不熟，可以先翻 Socket 教程 把 TCP 与 UDP 的差别过一遍，再回来看代码会轻松很多。

一、先确定「发语音」指的是哪一种

说法一样，实现差别很大。

1.1 三种常见需求

局域网场景下，第一种占了绝大多数。它的好处是文件可重放、可本地核对，出问题能直接听那段音频判断是合成问题还是传输问题。

1.2 环境准备

合成语音用 pyttsx3，它是离线的，不依赖外网。安装命令如下，适用于 Windows、macOS、Linux 三端。

pip install pyttsx3

上面这条命令做的是安装离线语音合成库。预期结果（未执行，依据官方文档的安装说明）是终端出现成功安装提示；Windows 上若报缺少语音引擎，需要先确认系统已安装 SAPI5 语音包。不同版本的行为有差异，安装前先看一眼库的版本要求，装错版本在初始化阶段就会报错。

💡 小提示：离线合成的好处是断网也能用，代价是音色选择少。对音色有要求时再考虑在线合成方案，但那样就要额外处理网络失败的情况。

二、最稳的做法：合成文件再传过去

先在本机把文字变成 wav 文件，这一步能独立验证，不牵扯网络。

2.1 合成一段音频

import pyttsx3

engine = pyttsx3.init()
engine.setProperty('rate', 160)
engine.setProperty('volume', 0.9)
engine.save_to_file('编程狮提醒你，该喝水了', 'notice.wav')
engine.runAndWait()

上面这段代码做的是初始化一个离线合成引擎，设置语速与音量，把一句中文存成 wav 文件。运行后会得到一个 notice.wav，先在本机播放确认有声音，再进入传输环节。

2.2 用 TCP 把文件发过去

import socket
import os

path = 'notice.wav'
size = os.path.getsize(path)
host, port = '192.168.1.20', 9000

with socket.create_connection((host, port), timeout=10) as s:
    s.sendall(str(size).encode() + b'\n')
    with open(path, 'rb') as f:
        s.sendall(f.read())
print('sent', size)

上面这段代码做的是：先建立 TCP 连接，把文件长度先发过去，再发送整个文件内容。先发长度是为了让接收端知道要收多少字节，这是文件传输里最基础也最容易漏的一步。

三、想实时一点：UDP 广播找人 + TCP 传流

如果你确实需要「一喊就响」，把发现环节和传输环节分开做。

3.1 用 UDP 广播发现对端

import socket

msg = b'who-is-online'
s = socket.socket(socket.AF_INET, socket.SOCK_DGRAM)
s.setsockopt(socket.SOL_SOCKET, socket.SO_BROADCAST, 1)
s.sendto(msg, ('192.168.1.255', 9001))
s.settimeout(3)
try:
    data, addr = s.recvfrom(1024)
    print('found', addr, data)
except socket.timeout:
    print('no reply')

上面这段代码做的是向本网段的广播地址发一个探测包，等三秒看有没有人回。广播地址的最后一段是 255，写错成对端 IP 就退化成单播，这是最常见的失败原因。

3.2 真正的音频走 TCP

发现对端之后，音频数据仍然建议走 TCP。UDP 适合「找人」这种小包，不适合传音频流，因为丢包会造成破音，而你需要自己做重排。

⚠️ 注意：广播包不会跨网段。两台机器在不同子网（比如 192.168.1.x 与 192.168.2.x）时，广播发现必然失败，需要改成固定 IP 或走组播。

四、三个坑：现象、原因、修复

这三个坑覆盖了局域网语音项目里绝大多数「跑不起来」。

4.1 广播发了没人回

原因通常是广播地址写错、跨了网段，或者对端防火墙拦了入站。修复方式是先用固定 IP 直连验证，确认链路通了再改回广播。

4.2 数据一大就丢

UDP 单包超过 MTU（常见值 1500 字节）会被分片或丢弃。音频数据必须自己分包，每包控制在 1200 字节左右，接收端按序号重组。

4.3 播出来是噪音

多半是采样率或声道数不一致。合成端用的是 22050Hz 单声道，播放端按 44100Hz 立体声去解，听上去就是一片杂音。修复方式是在传输前把参数一起发过去，或者统一约定一套参数。这个坑的边界很清晰：只要两端参数一致，同一份音频数据的输出就一定一致，排查时先比参数再比数据。

总结

Python 在局域网里发语音，最省事的路径是离线合成加 TCP 传文件。实时性需求出现后再引入 UDP，但只让它承担广播发现，音频本体仍走 TCP。三个坑——广播域、分包、采样率——逐个确认，能省掉大量无谓调试。

要点带走：

• 先用小文件验证连通性，再谈实时性；
• UDP 只用来发现对端，音频数据交给 TCP；
• 采样率与声道数要一起传，参数对不上播出来就是噪音。

下一步建议在本机先跑通合成，再用两台同网段机器传一次文件，最后才加广播。Python 网络这块的细节可以顺着 TCP/IP 教程 往下补。

常见问题

Q：局域网发语音一定要用到麦克风吗？

A：不一定。定时播报、提醒类需求只需本机合成音频再传文件，不需要采集设备，复杂度低很多。

Q：UDP 广播为什么对端收不到？

A：先确认广播地址是否为本网段的 255 结尾地址，再确认两台机器是否同网段，最后检查对端防火墙是否拦了入站包。

Q：音频传过去播出来是噪音怎么办？

A：先核对采样率与声道数是否一致。参数不一致时，把参数随数据一起传过去，由播放端按实际参数解码。

Q：pyttsx3 在 Linux 上初始化失败怎么处理？

A：Linux 下依赖 espeak 后端，需要先安装系统级的语音引擎再装 Python 库，顺序反了会直接报初始化失败。

延伸学习

想把这块做扎实，可以按这个顺序来：

1. 读一篇相关笔记 Python 语音对话实战，看语音这条线怎么往下走；
2. 想动手练，Python 配套课程 把语法与标准库补齐；
3. 基础不熟时，翻 Python3 教程 最快。