Python将文字转成语音并读出来_python文字转语音

前言

本篇文章主要介绍，如何利用Python来实现将文字转成语音。将文字转成语音主要有两种不同的实现方法：先将文字转成语音，然后再通过读取语音实现发音、直接调用系统内置的语音引擎实现发音，后一种方法的实现主要利用第三方库。

环境

• Python版本：Anaconda 4.4.10
• 操作系统：win10

注意：在使用第三方库的时候，不同的操作系统和Python版本代码可能有所差别。

调用api

可以调用第三方的语音合成api生成音频文件，然后再播放音频文件即可，这里我使用的是百度语音合成api。

1. 注册账号创建应用
   在使用之前，需要先注册一个百度账号，然后再创建一个语音合成的api，需要拷贝AppID、API Key、Secret Key后面调用接口的时候需要使用。
   
2. 调用语音合成接口
   python调用百度语音合成api接口详细文档:http://yuyin.baidu.com/docs/tts/196
3. 安装百度提供的Python库：

• 如果已安装pip，执行pip install baidu-aip即可。
• 如果已安装setuptools，执行python setup.py install即可。

from aip import AipSpeech

""" 你的 APPID AK SK """
APP_ID = '你的 App ID'
API_KEY = '你的 Api Key'
SECRET_KEY = '你的 Secret Key'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

result  = client.synthesis('你好吗？', 'zh', 1, {
    'vol': 5,
})
# 识别正确返回语音二进制 错误则返回dict 参照下面错误码
if not isinstance(result, dict):
    with open('auido.mp3', 'wb') as f:
        f.write(result)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

播放音频文件
安装playsound：pip install playsound

from playsound import playsound

playsound("auido.mp3")
1
2
3

利用系统内置语音引擎实现发音

1. Pyttsx
   Pyttsx是一个跨平台将文字转成语音的第三方库，它对操作系统内置的语音引擎实现了包装。

• Pyttsx安装
  Python2：pip install pyttsx
  Python3：pip install pyttsx3
• 代码

import pyttsx3

engine = pyttsx3.init()
engine.say("Good")
engine.runAndWait()
1
2
3
4
5

pyttsx默认使用的是读取英文引擎，如果需要读取中文时需要修改语言设置，不然可能会报错或者无法发音，首先我们需要参考系统支持的语言类型和参数，通过以下代码可以查看

engine = pyttsx3.init()
voices = engine.getProperty("voices")
for item in voices:
    print(item.id,item.languages)
1
2
3
4

可以看到ZH-CN的参数，表示的是中文，然后将代码修改成如下即可

engine = pyttsx3.init()
engine.setProperty("voice","HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Sp
				eech\Voices\Tokens\TTS_MS_ZH-CN_HUIHUI_11.0")
engine.say("你好吗？")
engine.runAndWait()
1
2
3
4
5

2. gTTS
   gTTS可以将文字转成语音进行保存为MP3格式，然后再读取语音实现发音，它是通过调用Google提供的TTS服务来实现将文字转语音的，因为需要调用Google的服务，所以需要翻墙，因为缺少环境所以下面的代码是没有测试过的。调用下面代码的时候，需要设置在代码中设置代码或者全局代理。

from gtts import gTTS
import os

tts = gTTS(text="come on",lang="en")
tts.save("test.mp3")
os.system("mpg321 test.mp3")
1
2
3
4
5
6

如果需要生成wav格式的音频文件，可以利用FFmpeg将MP3的音频文件转成wav格式。

操作系统内置引擎

利用win32com来调用Windows操作系统内置的语音引擎实现文字的发音

import win32com.client as win

speak = win.Dispatch("SAPI.SpVoice")
speak.Speak("come on")
speak.Speak("你好")
1
2
3
4
5