【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

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whileTrue: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
 
whileTrue:
    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-8import 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 rateprint(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ifnotisinstance(result,dict):withopen('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！！！