Python语音合成之第三方库gTTs/pyttsx3/speech横评(内附使用方法)

2023-05-18 20:05:10 第三方 使用方法 内附

Python文字转语音(调研&成品函数)

由于项目需要, 我需要将文字转换为语音, 那么第一步就要进行调研

什么是语音合成技术?

语音合成(text to speech),简称TTS。是将文字转化为语音的一种技术,是让计算机模拟人类的嘴巴,通过不同的音色说出想表达的内容, 是人机对话的一部分。
TTS可以通过神经网络的设计,把文字智能地转化为自然语音流。极大的方便了视障患者的使用, 也提升了文本的可读性。TTS应用包括语音驱动的硬件以及声音敏感系统,并常与声音识别程序一起使用。

现在许多厂家都推出了自己的语音合成服务或api, 大家也可以去自行查看, 本文仅做了python环境下语音合成第三方库的调研

如何用代码实现?

如前文所述, 虽然市面上产品繁多, 但是作为一个开发者, 我想要一款免费的, 可代码调试的工具, 经过查找材料, 我找到了gTTs库、pyttsx3库、speech库都能满足我的需求, 来做个横向对比, 可以让大家少走弯路。

第三方库名称需要联网支持中英文支持日语可调节语速像人声程度
ggtsX很像导航
pyttsx3XX适合读小说
speechXXX很像快一点的导航

gTTS库

gTTS库 (Google Text-to-Speech) : 用于与 Google Translate 的文本转语音 API 进行交互。将语音mp3数据写入文件
优点 : 支持包括中英日文在内的多种语言, 有谷歌翻译API的加持, 人声蛮好听
缺点 : 不支持语速调节, 每次使用必须科学上网, 不能单机使用

在语音播放功能, 我们选用了两种方法

  • 第一种是playsound库自动播放音频(不可调播放进度)
  • 第二种是os库调用系统自带播放器(可调节进度)

请看playsound库播放 & GTTS库转文字函数

# 函数功能: 用gtts库阅读文本,保存为.mp3文件后, 用系统内置的浏览器阅读出来, 打开mp3文件, 函数执行结束(播放方式为os库)
def gtts_os_debug(text,mp3_filepath,language):#参数说明:参数1是朗读的文字,参数2是保存路径,参数3是数字{0英文,1中文,2日语}
    #大成功,可惜的是os调用自带播放器, 实际上只执行了"打开mp3"的操作, 它并不会在音频播报完后再进行下一条语句
    from gtts import gTTS
    import os
    # 已知zh-tw版本违和感较高,所以我们用zh-CN来进行后续工作
    if int(language) ==0 :
        s = gTTS(text=text, lang='en', tld='com')
        # s = gTTS(text=text, lang='en', tld='co.uk')#我比较喜欢美音,但是如果你喜欢英国口音可以尝试这个
    elif int(language) ==1 :
        s = gTTS(text=text, lang='zh-CN')
    elif int(language) ==2 :
        s = gTTS(text=text, lang='ja')
    try:
        s.save(mp3_filepath)
    except:
        os.remove(mp3_filepath)
        print(mp3_filepath,"文件已经存在,但是没有关系!已经删掉了")
        s.save(mp3_filepath)
    print(mp3_filepath,"保存成功")
    os.system(mp3_filepath)#调用系统自带的播放器播放MP3
gtts_os_debug(text="I'm gtts library,from google Artificial Intelligence & Google Translate.",mp3_filepath="gtts英文测试.mp3",language=0)
gtts_os_debug(text="我是gtts库, 你想听听我的声音吗",mp3_filepath="gtts中文测试.mp3",language=1)
gtts_os_debug(text="真実はいつもひとつ" ,mp3_filepath="gtts日语测试.mp3",language=2)

请看os库播放 & GTTS库转文字函数

# 函数功能: 用gtts库阅读文本,保存为.mp3文件后, 用playsound库阅读出来, 阅读完毕, 函数执行结束
def gtts_debug(text,mp3_filepath,language):#参数说明:参数1是朗读的文字,参数2是保存路径,参数3是数字{0英文,1中文,2日语}
    #大成功,已经实现了定制化文字转语音,但是播放的playsound需要改进(playsound库本身可能会出现bug...)
    from gtts import gTTS
    from playsound import playsound
    import os
    if int(language) ==0 :
        s = gTTS(text=text, lang='en', tld='com')
        # s = gTTS(text=text, lang='en', tld='co.uk')#我比较喜欢美音,但是如果你喜欢英国口音可以尝试这个
    elif int(language) ==1 :
        s = gTTS(text=text, lang='zh-CN')
    elif int(language) ==2 :
        s = gTTS(text=text, lang='ja')
    try:
        s.save(mp3_filepath)
    except:
        os.remove(mp3_filepath)
        print(mp3_filepath,"文件已经存在,但是没有关系!已经删掉了")
        s.save(mp3_filepath)
    print(mp3_filepath,"保存成功")
    playsound(mp3_filepath)
gtts_debug(text="I'm gtts library,from google Artificial Intelligence & Google Translate.",mp3_filepath="gtts英文测试.mp3",language=0)
gtts_debug(text="我是gtts库, 你想听听我的声音吗",mp3_filepath="gtts中文测试.mp3",language=1)
gtts_debug(text="真実はいつもひとつ" ,mp3_filepath="gtts日语测试.mp3",language=2)

pyttsx3库

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

请看pyttsx3库转文字&自朗读函数

def pyttsx3_debug(text,language,rate,volume,filename,sayit=0):
    #参数说明: 六个重要参数,阅读的文字,语言(0-英文/1-中文),语速,音量(0-1),保存的文件名(以.mp3收尾),是否发言(0否1是)
    import pyttsx3
    engine = pyttsx3.init()  # 初始化语音引擎
    engine.setProperty('rate', rate)  # 设置语速
    #速度调试结果:50戏剧化的慢,200正常,350用心听小说,500敷衍了事
    engine.setProperty('volume', volume)  # 设置音量
    voices = engine.getProperty('voices')  # 获取当前语音的详细信息
    if int(language)==0:
        engine.setProperty('voice', voices[0].id)  # 设置第一个语音合成器 #改变索引,改变声音。0中文,1英文(只有这两个选择)
    elif int(language)==1:
        engine.setProperty('voice', voices[1].id)
    if int(sayit)==1:
        engine.say(text)  # pyttsx3->将结果念出来
    elif int(sayit)==0:
        print("那我就不念了哈")
    engine.save_to_file(text, filename) # 保存音频文件
    print(filename,"保存成功")
    engine.runAndWait() # pyttsx3结束语句(必须加)
    engine.stop() # pyttsx3结束语句(必须加)
pyttsx3_debug(text="我是pyttsx3, 初次见面, 给您拜个早年",language=0,rate=200,volume=0.9,filename="ptttsx3中文测试.mp3",sayit=1)
pyttsx3_debug(text="I'm fake Siri, your smart voice Manager",language=1,rate=200,volume=0.9,filename="ptttsx3英文测试.mp3",sayit=1)

speech库

speech : 基于windows的语音合成模块, 一行代码即可实现朗读
优点 : 依靠windows系统, 安装使用究极简单 , 超级方便。
适合在代码调试过程中, 让冰冷的AI语言来骂醒写bug的我QAQ
缺点 : 只有系统语言(中文&英文), 不支持语速调节和音频导出

请看speech转文字函数

import speech
speech.say("甘霖娘,又出bug了")
speech.say("Don't ask me .I have no idea why bug exist again")
# 如你所见, 代码编译究极简单, 而且单机, 但是!每次使用都会呼出微软语音助手...

恭喜你, 你已经学会了Python文字转语音的全部内容了

可惜的是, 本博文没有收录诸如百度API/讯飞API等...商务的文字转语音方式

总结

到此这篇关于Python语音合成之第三方库gTTs/pyttsx3/speech横评的文章就介绍到这了,更多相关Python语音合成gTTs/pyttsx3/speech内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持!

相关文章