【小沐学Python】Python实现TTS文本转语音（speech、pyttsx3、百度AI）

文章目录

• 1、简介
• 2、Windows语音
• • 2.1 简介
  • 2.2 安装
  • 2.3 代码
  • 3、pyttsx3
  • • 3.1 简介
    • 3.2 安装
    • 3.3 代码
    • 4、ggts
    • • 4.1 简介
      • 4.2 安装
      • 4.3 代码
      • 5、SAPI
      • 6、SpeechLib
      • 7、百度AI
      • 8、百度飞桨
      • 结语

        1、简介

        TTS(Text To Speech) 译为从文本到语音，TTS是人工智能AI的一个模组，是人机对话的一部分，即让机器能够说话。

        TTS是语音合成技术应用的一种，首先采集语音波形，然后进行优化处理，最后存储在数据库中，合成语音是提取波形转换成自然语音输出。

        2、Windows语音

        2.1 简介

        https://support.microsoft.com/zh-cn/windows/%E5%9C%A8%E8%AF%AD%E9%9F%B3%E6%8F%90%E7%A4%BA%E4%B8%ADwindows-83ff75bd-63eb-0b6c-18d4-6fae94050571

        Windows 语音识别允许你单独通过语音控制电脑，而无需键盘或鼠标。 本文列出了可用于语音识别的命令。

        2.2 安装

        speech模块是一个封装层模块，用于调取Windows本地的语音合成服务。因此请确保你使用的OS是Windows并且有python调取Windows的API，pywin32。

        pip install speech
        

        

        speech.py文件进行修改:print(prompt)、import _thread

        pip install pypiwin32
        

        

        2.3 代码

        import speech
         
        #自动体系
        speech.say("要开始啦")
         
        #输入语音
        while True:
            print(u"开始说话")
            say = speech.input()  # 接收语音
            # speech.say("你说了" + say)  # 说话
            speech.say(say)  # 说话
        

        

        import speech
         
        while True:
            say = speech.input() # 接收语音
            speech.say("you said:"+say) #说话
            
            if say == "你好":
                speech.say("How are you?")
            elif say == "天气":
                speech.say("今天天气晴!")
        

        3、pyttsx3

        3.1 简介

        https://pypi.org/project/pyttsx3/

        适用于 Python 2 和 3 的文本转语音 （TTS） 库。无需互联网连接或延迟即可工作。支持多种TTS引擎，包括Sapi5、nsss、espeak等。

        

        pyttsx3 是 Python 中的文本到语音转换库。与其他库不同，它可以离线工作，并且与 Python 2 和 3 兼容。

        pyttsx3库 : 是Python中的文本到语音转换库, 它可以脱机工作

        优点 : 可以脱机工作, 支持将语音直接朗读, 可调节音量和速度

        缺点 : 初始只有英语(女)和中文(女)的语音包, 其他语言的语音包需要另外下载

        3.2 安装

        pip install pyttsx3
        

        

        3.3 代码

        #coding=utf-8
        import pyttsx3
        pyttsx3.speak("Hello World!")
        pyttsx3.speak("持续推动我国经济实现质的有效提升和量的合理增长")	
        

        import pyttsx3
        engine = pyttsx3.init()
        engine.say("I will speak this text")
        engine.runAndWait()
        

        import pyttsx3
        engine = pyttsx3.init() # object creation
        """ RATE"""
        rate = engine.getProperty('rate')   # getting details of current speaking rate
        print (rate)                        #printing current voice rate
        engine.setProperty('rate', 125)     # setting up new voice rate
        """VOLUME"""
        volume = engine.getProperty('volume')   #getting to know current volume level (min=0 and max=1)
        print (volume)                          #printing current volume level
        engine.setProperty('volume',1.0)    # setting up volume level  between 0 and 1
        """VOICE"""
        voices = engine.getProperty('voices')       #getting details of current voice
        #engine.setProperty('voice', voices[0].id)  #changing index, changes voices. o for male
        engine.setProperty('voice', voices[1].id)   #changing index, changes voices. 1 for female
        engine.say("Hello World!")
        engine.say('My current speaking rate is ' + str(rate))
        engine.runAndWait()
        engine.stop()
        """Saving Voice to a file"""
        # On linux make sure that 'espeak' and 'ffmpeg' are installed
        engine.save_to_file('Hello World', 'test.mp3')
        engine.runAndWait()
        

        4、ggts

        4.1 简介

        https://pypi.org/project/gTTS/

        gTTS（Google Text-to-Speech），一个 Python 库和 CLI 工具，用于与 Google 翻译文本转语音 API 交互。

        

        gTTS（Google Text-to-Speech），一个 Python 库和 CLI 工具，用于与 Google Translate 的文本转语音 API 交互。 将语音数据写入文件、类似文件的对象 （bytestring） 以进行进一步的音频操作。

        4.2 安装

        pip install gTTS
        

        

        4.3 代码

        gtts-cli 'hello' --output hello.mp3
        

        或

        from gtts import gTTS
        tts = gTTS('hello')
        tts.save('hello.mp3')
        

        

        执行失败了。

        5、SAPI

        SAPI是微软Speech API , 是微软公司推出的语音接口，而从WINXP开始，系统上就已经有语音识别的功能了，可是用武之地相当之少，他并没有给出一些人性化的自定义方案，仅有的语音操控命令显得相当鸡胁。

        操作window dll的库，它可以实现很多功能，十分强大。

        import win32com.client
        speaker = win32com.client.Dispatch("SAPI.SpVoice")
        speaker.Speak("hello")
        

        6、SpeechLib

        comtypes依赖pyttsx3包。( comtypes Required-by: pyttsx3 )

        安装：

        pip install comtypes
        

        代码：

        from comtypes.client import CreateObject
         
        engine = CreateObject('SAPI.SpVoice')
        stream = CreateObject('SAPI.SpFileStream')
         
        from comtypes.gen import SpeechLib  # 导这个包必须放在 上面3行代码 后面，否则运行时会报错。
         
        infile = 'demo.txt'
        outfile = 'demo_audio.wav'
         
        stream.Open(outfile, SpeechLib.SSFMCreateForWrite)
        engine.AudioOutputStream = stream
        # 读取文本内容
        f = open(infile, 'r', encoding='utf-8')
        theText = f.read()
        f.close()
        engine.speak(theText)
        stream.close()
        

        7、百度AI

        https://ai.baidu.com/

        基于Deep Peak2的端到端建模，将音频流实时识别为文字，并返回每句话的开始和结束时间，适用于长句语音输入、音视频字幕、会议等场景.

        

        

        https://ai.baidu.com/sdk#asr

        

        https://console.bce.baidu.com/ai/#/ai/speech/overview/resource/getFree

        

        pip install baidu_aip
        

        from aip import AipSpeech
        #用上面提到的APP ID, API Key和Secret Key替换
        APP_ID = 'xxxx'
        API_KEY = 'xxxx'
        SECRET_KEY = 'xxxx'
        client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
        manual = r'百度你好！ \
        语音合成测试。'
        if __name__ == '__main__':
            print('start voice process')
            #语速spd: 5, 语调pit: 5, 播音per: 1
            result  = client.synthesis(manual, 'zh', 1, {
                'vol': 5, 'per':1,
            })
            # 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('audio.mp3', 'wb') as f:
                    f.write(result)
            print('process end')
        

        8、百度飞桨

        pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
        pip install paddlespeech -i https://pypi.tuna.tsinghua.edu.cn/simple
        paddlespeech tts --input '人工智能体验' --output test.wav
        paddlespeech asr --input test.wav
        paddlespeech asr --lang zh --input test.wav
        

        from paddlespeech.cli.asr.infer import ASRExecutor
        asr = ASRExecutor()
        result = asr(audio_file="test.wav")
        print(result)
        

        结语

        如果您觉得该方法或代码有一点点用处，可以给作者点个赞，或打赏杯咖啡；╮(￣▽￣)╭

        如果您感觉方法或代码不咋地//(ㄒoㄒ)//，就在评论处留言，作者继续改进；o_O???

        如果您需要相关功能的代码定制化开发，可以留言私信作者；(✿◡‿◡)

        感谢各位大佬童鞋们的支持！( ´ ▽´ )ﾉ ( ´ ▽´)っ！！！