Python3 语音合成——pyttsx3 从文本到语音

pyttsx3是一款非常简单的文本到语音的转换库，可以脱机工作，支持多种TTS引擎（sapi5、nsss、espeak），通过这个库可以非常方便的将文字转换成语音；

安装pyttsx3：

pip install pyttsx3

首先看下pyttsx3最简单的应用：

import pyttsx3
 
say = pyttsx3.init()        # 创建pyttsx对象，并初始化对象
 
msg = '''今天的天气真好，出去打球吧'''    # 需要合成的文字
 
say.say(msg)        # 合成并播放语音
say.runAndWait()    # 等待语音播放完

是不是非常的简单，但是现在所有的参数都是默认的，或许我们希望他的语速快一点、音量响一点，或者是女声，那么这就需要我们对参数进行配置，接下来我们一个一个来看：

1. 我们先来看下在创建pyttsx3实例对象的时候都做了什么：
   
   通过函数运行的介绍和分析，我们可以知道，init()构造一个新的TTS引擎实例；
   它有两个参数：
       1）driverName：这个参数就是说，当前程序在什么设备上运行的，指定语音驱动的名字；如果为None，则选择操作系统的默认驱动程序；一般来讲我们使用默认的就好，可以保证代码的可移植性；
           sapi5 ： 在Windows平台上使用
           nsss： 在Mac OS平台上使用
           espeak： 其他平台
       2）debug：这个就非常简单了，就是指要不要以调试模式输出，建议在进行开发的时候开启；
2. 接下来我们来看看几个方法的使用：
   1）say() ：就是将我们需要合成的文字添加到事件队列中
   
   我们可以看见有两个参数：
       text ： 就是我们需要合成的文字
       name ： 这个参数就是来标识这段文字的，在后面的事件监听再详细讲
   2）runAndWait() ： 它的作用就是运行事件循环，直到事件队列中没有内容
   

接下来我们通过实例一步一步讲解其他的属性和方法：

1. 我想要控制它的语速该怎么办：

   import pyttsx3
    
   say = pyttsx3.init()
    
   rate = say.getProperty('rate')          # 获取当前语速属性的值
   say.setProperty('rate', rate-20)        # 设置语速属性为当前语速减20
    
   msg = '''今天天气不错，出去打篮球吧！'''
    
   say.say(msg)
   say.runAndWait()
   

   现在新出现了两个方法：getProperty()和setProperty()，从字面上看，这两个一个是获取属性值，一个是设置属性值，我们来看下他的函数原型是什么：
   
   从上面我们可以看出getProperty()方法可以得到：
       voices：pyttsx3.voice.Voice支持的对象描述列表（个人理解相当于给我们提供和很多合成器，默认选择的是第一个合成器），里面存放了语音合成的所有属性；
       voice：当前正在使用的合成器的ID
       rate：当前的语速
       volume：当前的音量（音量应为[0.0 - 1.0]）

   import pyttsx3
    
   say = pyttsx3.init()
    
   volume = say.getProperty('volume')    # 最开始以为这个是用来获取当前属性值的，但是发现将属性值修改了再获取，并没有发生变化
   print('默认的音量是：',volume)
    
   rate = say.getProperty('rate')
   print('默认的语速是：',rate)
    
   voice = say.getProperty('voice')
   print('默认使用的合成器ID：',voice)
    
   voices = say.getProperty('voices')
   print('合成器列表：',voices)
    
   for i in voices:
       print(i)
    
   # 输出结果：
   # 当前的音量是： 1.0
   # 当前的语速是： 200
   # 当前使用的合成器ID： HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Speech\Voices\Tokens\TTS_MS_ZH-CN_HUIHUI_11.0
   # 合成器列表： [<pyttsx3.voice.Voice object at 0x00000269C06D8EB8>, <pyttsx3.voice.Voice object at 0x00000269C01C4EB8>]
   # <Voice id=HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Speech\Voices\Tokens\TTS_MS_ZH-CN_HUIHUI_11.0
   #           name=Microsoft Huihui Desktop - Chinese (Simplified)
   #           languages=[]
   #           gender=None
   #           age=None>
   # <Voice id=HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Speech\Voices\Tokens\TTS_MS_EN-US_ZIRA_11.0
   #           name=Microsoft Zira Desktop - English (United States)
   #           languages=[]
   #           gender=None
   #           age=None>
   

   通过上面的程序，大概可以猜出setProperty()的用法：
   
   其实非常简单，我们可以想象成键值对，一共有两个参数，第一个是键名，第二个就是值；
   
   从上面我们知道，当前一共有两种合成器，也就相当于有两种音色，那如何切换两种音色呢？

   import pyttsx3
    
   say = pyttsx3.init()
    
   voices = say.getProperty('voices')
   say.setProperty('voice',voices[1].id)    # 注意，voice这个属性接收的是id
    
   say.say('How are you!')
   say.runAndWait()
   

   之前在播放中文的时候，第一种可以正常播放，第二种就直接罢工了，后面合成英文的句子，两个都可以播放，并且可以听到很明显的差别，这个有兴趣可以好好研究下；（好像看见其他文章有说可以下载合成器什么的，后面就找不到了，后面再补充）
2. 接下来我们我们来看一下事件的监听：
   

   import pyttsx3
    
   def Start(name):
       print('starting', name)
   def onWord(name, location, length):
       print('word', name, location, length)
       if location > 20:
           engine.stop()
   def onEnd(name, completed):
       print('finishing', name, completed)
   def onError(name, exception):
       print('error:', name, exception)
    
   engine = pyttsx3.init()
    
   engine.connect('started-word', onWord)
   engine.connect('started-utterance', Start)
   engine.connect('finished-utterance', onEnd)
   engine.connect('error', onError)
    
   engine.say('The quick brown fox jumped over the lazy dog.','test')
   engine.runAndWait()
   

   上面这段代码是官方给出的，大致的用法是：
       1、connect()方法分别绑定三种状态，相应的状态执行对应的回调函数
       2、事件状态的名称是固定的：
                 started-utterance - 播放开始之前
                 started-word - 播放的时候
                 finished-utterance - 播放完成之后
                 error - 即为产生异常的时候
       3、我们从上面可以看见有四个回调函数，下面就是四个回调函数调用的状态：
   
   所有的回调函数都有一个共同的参数 -- name，这个就是用来标识现在正在播放那一段文字的；
       4、onWord() - location 表示播放的位置
                               length 表示当前播放的长度
             onEnd() - completed 表示是否全部输出，如果全部播放即为True，反之为False
             onError() - exception表示返回的异常信息
             我们可以灵活的运用回调的参数，对播放的状态进行监听，比如播放完毕判断是否全部播放完毕，不然如何处理；
3. 现在假设一个场景，正在播放一个故事，定时在10分钟之后停止，该怎么做呢？

   import pyttsx3
   import time
    
   def onWord(name, location, length):
       print('word', name, location, length)
       if time.time() > time.mktime((2020,1,5,0,30,0,0,0,0)):    # 在规定的时间停止
           engine.stop()    # stop()方法会停止播放并清空队列
    
   engine = pyttsx3.init()
    
   engine.connect('started-word', onWord)
    
   story = '''兔子的胆小是出了名的，经常受到的惊吓总是像石头一样压在它们的心上。
   　　有一次，众多兔子聚集在一起，为自己的胆小无能而难过，悲叹自己的生活中充满了危险和恐惧。
   　　它们越谈越伤心，就好像已经有许多不幸发生在自己身上，而这也就是它们之所以成为兔子的原因。到了这种地步，负面的想像便无止境地涌现出来。它们怨叹自己天生不幸，既没有力气和翅膀，也没有牙齿，日子只能在东怕西怕中度过，就连想要抛弃一切大睡一觉，也有什么都听得见的长耳朵的阻扰，赤红的眼睛也就变得更加鲜红了。
   　　它们觉得自己的这种生活是毫无意义的，这又成了它们自我厌恶的根源。它们都觉得，与其一生心惊胆战，还不如一死了之好。
   　　于是，它们一致决定从山崖上跳下去了结自己的生命，结束一切烦恼。就这样决定了，于是它们一齐奔向山崖，想要投河自尽。这时，一些青蛙正围在湖边蹲着，听到急促的脚步声，如临大敌，立刻跳到深水里逃命去了。
   　　这是兔子每次到池塘边都会看到的情景，但是今天，有一只兔子突然明白了什么，它大声地说：“快停下来，我们不必吓得去寻死寻活了，因为我们现在可以看见，还有比我们更胆小的动物呢！”
   　　这么一说，兔子们的心情奇妙地豁然开朗起来了，好像有一股勇气喷涌而出，于是它们欢天喜地回家去了。
   　　【大道理】不要为我们现在的遭遇就埋怨命运的不公，实际上，世界上还有很多比我们更不幸的人，想想那些更不幸的人仍旧坚强地活着，我们又为什么不能呢？'''
    
   engine.say(story)
   engine.runAndWait()
   

pyttsx3这个库还没有完全研究完，比如：