当前位置：首页 > news >正文

python-将文本生成音频

news 来源：原创 2025/8/25 11:03:58

将文本生成音频通常需要结合文本转语音（TTS，Text-to-Speech）工具或库来实现，比如 Google TTS (gtts)、Amazon Polly、Microsoft Azure TTS 等。

一、使用 Google TTS (gtts) 将文本生成音频
gtts 是一个简单易用的 Python 库，它使用 Google Translate 的 TTS API，将文本转化为音频。
安装gtts：

pip install gtts

将文本转换为音频文件
以下是使用 gtts 将一段文本保存为音频文件的代码：

from gtts import gTTS
# 定义文本和语言
text = "你好，欢迎使用文本转语音功能。这是一个示例。"
language = "zh"  # 中文
# 转换文本为音频
tts = gTTS(text=text, lang=language)
tts.save("text_to_audio.mp3")  # 保存为音频文件
print("音频文件已保存为 text_to_audio.mp3")

二、使用 pyttsx3 来支持离线 TTS
如果需要离线处理文本转语音，可以使用 pyttsx3 库，它支持多种 TTS 引擎。

安装 pyttsx3

pip install pyttsx3

使用 pyttsx3 转换文本
以下是示例代码：

import pyttsx3
# 初始化 TTS 引擎
engine = pyttsx3.init()
# 设置语音属性
engine.setProperty('rate', 130)  # 语速
engine.setProperty('volume', 1.0)  # 音量
# 定义文本内容
text = "这是一个离线文本转语音的示例，我们使用 pyttsx3 来完成。"
engine.save_to_file(text, "offline_text_to_audio.wav")  # 保存音频文件
# 执行生成语音
engine.runAndWait()
print("离线音频文件已保存为 offline_text_to_audio.wav")

pyttsx3与gtts 库的介绍

1、pyttsx3 是一个 Python 库，用来实现文本转语音（TTS, Text-to-Speech）的功能，支持多种不同的 TTS 引擎，可以离线运行，且操作简单易用。它可以用来生成音频文件或直接播放语音。以下是 pyttsx3 的常用使用方式和操作技巧。

安装 pyttsx3
在使用 pyttsx3 之前，需要安装它。可以通过以下命令安装：

pip install pyttsx3

常用用法
(1) 基本文本转语音
pyttsx3 默认会使用操作系统支持的语音引擎来播放语音，以下是最简单的使用方式：

import pyttsx3# 初始化 TTS 引擎
engine = pyttsx3.init()
# 输入需要转化的文本
text = "这是一个简单的文本转语音示例。谢谢使用 pyttsx3 库！"
# 使用说话功能
engine.say(text)  # 通过 TTS 播放音频
# 执行语音合成任务
engine.runAndWait()  # 等待语音播放完成

运行这段代码后，会直接播放一段语音。

(2) 保存语音到文件
如果需要将语音保存到音频文件（如 .wav），可以使用 save_to_file() 方法：

import pyttsx3
# 初始化 TTS 引擎
engine = pyttsx3.init()
# 输入需要转化的文本
text = "这是保存语音到文件的示例，请注意文件格式是 .wav。"
# 保存语音到文件
engine.save_to_file(text, 'output.wav')  # 保存为 .wav 文件
# 执行语音合成任务
engine.runAndWait()
print("语音文件已保存为 output.wav")

(3) 设置语音属性
pyttsx3 允许设置语速、音量和语音类型（如男性或女性声音）等属性。
设置语速
默认语速可能较快，可以通过 setProperty(‘rate’, value) 来调整速度：

import pyttsx3
engine = pyttsx3.init()
# 设置语速，默认值约为 200，值越小语速越慢
engine.setProperty('rate', 150)
engine.say("语速已调慢，这是调整后的语速示例。")
engine.runAndWait()

设置音量
音量值范围为 0.0 到 1.0，可以通过 setProperty(‘volume’, value) 来设置：

engine = pyttsx3.init()
# 设置音量，范围在 0.0 至 1.0
engine.setProperty('volume', 0.8)
engine.say("这是设置音量的示例，现在的音量是 80%。")
engine.runAndWait()

设置语音类型（男性或女性）
通过获取 voices 属性来选择不同的语音（男性或者女性）：

voices = engine.getProperty('voices')
# 设置为男性声音
engine.setProperty('voice', voices[0].id)  # 声音库第一个索引通常为男性
engine.say("这是男性语音的示例。")
# 设置为女性声音
engine.setProperty('voice', voices[1].id)  # 声音库第二个索引通常为女性
engine.say("这是女性语音的示例。")
engine.runAndWait()

(4) 获取引擎属性
可以通过 pyttsx3 的属性查询功能，获取当前语音引擎的状态：

print("当前语速:", engine.getProperty('rate'))
print("当前音量:", engine.getProperty('volume'))
voices = engine.getProperty('voices')
print("支持的语音类型:")
for i, voice in enumerate(voices):print(f"{i}: {voice.name}")

这段代码会输出当前语速、音量以及所有支持的语音类型。例如：

当前语速: 200
当前音量: 1.0
支持的语音类型:
0: Microsoft David Desktop - English (United States)
1: Microsoft Zira Desktop - English (United States)

可以选择合适的语音类型进行设置。
(5) 多段文本连续播放
如果需要播放多段文本，可以将多个 engine.say() 放在一起，让它依次播放：

engine.say("第一个文本")
engine.say("第二个文本")
engine.say("第三个文本")
engine.runAndWait()  # 按顺序播放所有文本

异常处理
(1) 引擎初始化失败问题
如果 .init() 方法报错，可能是语音引擎未正确安装，可以尝试：
确保你的操作系统支持TTS引擎（例如 Windows 内置的语音支持）。
在 Linux 上可以安装 espeak 作为语音引擎：

sudo apt-get install espeak
pip install pyttsx3

(2) 输出不支持指定格式
默认保存文件格式为 .wav，如果需要保存为其他格式（如 .mp3），需要额外工具（如 ffmpeg）来转化。
4. 使用场景
pyttsx3 可以应用于以下场景：
文本播报：自动朗读文章、通知等。
生成语音文件：可以批量生成语音，从而服务于语料生成场景。
多语言支持：虽然库本身支持多语言，但不同系统配置可能限制语言类型（例如中文播报需要配置相应的 TTS 引擎）。
离线语音处理：不依赖在线 API，适合高安全性需求的场景。
5. 注意事项
pyttsx3 是离线语音库，因此适合简单的场景，如果需要更自然的语音，建议尝试在线 TTS 服务（例如 Google Cloud Text-to-Speech、Amazon Polly 等）。
在多语言场景下：
如果系统设置的语音引擎不支持某些语言，可能需要安装其他引擎。
可以尝试切换语音类型，或者改用支持更广泛语言的工具（如 gTTS）。
通过pyttsx3 可以快速实现离线文本转语音，具有高度的灵活性。你可以根据实际需求调整语速、音量和语音类型，同时能够将语音保存到文件中以供后续使用。如果有进一步的定制需求，可以结合其他音频处理工具（如 ffmpeg）完成一些高级效果。

gtts (Google Text-to-Speech) 是一个 Python 库，它调用 Google Translate 的 TTS API，将输入文本转换为语音，并生成 .mp3 文件或直接播放音频。它简单易用，且支持多种语言，非常适合轻量级的文本到语音转换需求。

以下是 gtts 的常用使用方式及详细说明

安装 gtts
可以通过 pip 安装 gtts：

pip install gtts

常用用法
(1) 将文本转换为语音并保存为文件
这段代码演示了如何将一段文本转换为语音并保存为 .mp3 文件：

from gtts import gTTS
# 定义文本内容
text = "你好，欢迎使用 gtts 进行文本转语音。希望你喜欢这个示例！"
# 定义语言（中文为 "zh"）
language = "zh"
# 创建 TTS 对象
tts = gTTS(text=text, lang=language)
# 保存为 MP3 文件
tts.save("output.mp3")
print("语音已保存为 output.mp3 文件")

运行后，音频文件 output.mp3 会保存到当前目录。

(2) 播放生成的语音
可以直接播放生成的语音。如果使用其他库（比如 playsound）播放 gtts 生成的音频：

from gtts import gTTS
from playsound import playsound  # 安装 playsound：pip install playsound
# 定义文本内容
text = "你好，这是一个直接播放音频的示例。"
# 定义语言（中文为 "zh"）
language = "zh"
# 创建 TTS 对象
tts = gTTS(text=text, lang=language)
# 保存为临时的 MP3 文件
tts.save("temp_audio.mp3")
# 播放 MP3 文件
playsound("temp_audio.mp3")

在运行后，语音文件会直接播放。

高级使用
(1) 支持不同语言
gtts 支持 Google Translate 提供的多种语言。以下是切换不同语言的示例：

from gtts import gTTStext_en = "Welcome to use gtts. This is an English example."  # 英文文本
text_fr = "Bonjour, ceci est un exemple en français."         # 法文文本
# 分别定义语言
language_en = "en"  # 英文
language_fr = "fr"  # 法文
# 转换文本为语音
tts_en = gTTS(text=text_en, lang=language_en)
tts_fr = gTTS(text=text_fr, lang=language_fr)
# 保存音频
tts_en.save("english.mp3")
tts_fr.save("french.mp3")
print("英语和法语语音文件已保存")

(2) 拼接多个文本段生成语音
如果需要为多个段落生成一个音频，可以拼接文本并统一转换语音：

from gtts import gTTS# 多段文本
text1 = "这是第一段文字。"
text2 = "这是第二段文字，我将它们合并生成语音。"# 拼接文本
final_text = text1 + " " + text2
# 定义语言
language = "zh"
# 转换为语音
tts = gTTS(text=final_text, lang=language)
tts.save("merged_audio.mp3")
print("拼接文本的语音文件已保存为 merged_audio.mp3")

(3) 更改声音的速度
gtts 本身不支持直接调整语速，但可以使用 ffmpeg 或其他工具对生成的音频文件进行后处理以降低或提高速度。

降低语速：

ffmpeg -i output.mp3 -filter:a "atempo=0.8" slower_output.mp3

提高语速：

ffmpeg -i output.mp3 -filter:a "atempo=1.5" faster_output.mp3

(4) 从文件读取文本并生成语音
有时需要从文本文件中读取内容，将其转化成语音：

from gtts import gTTS
# 从文件中读取文本
with open("input.txt", "r", encoding="utf-8") as file:text = file.read()
# 定义语言
language = "zh"
# 转换为语音
tts = gTTS(text=text, lang=language)
tts.save("file_audio.mp3")
print("从文本文件生成的音频已保存为 file_audio.mp3")

(5) 设置 TTS 的慢速模式
gtts 允许使用 slow=True 参数对语音进行慢速设置：

from gtts import gTTS
text = "这是一个慢速语音播放示例。"
language = "zh"
# 将语速设置为慢速
tts = gTTS(text=text, lang=language, slow=True)
tts.save("slow_audio.mp3")
print("慢速语音文件已保存为 slow_audio.mp3")

获取支持的语言列表
可以使用 gtts.lang.tts_langs() 来获取所有支持的语言列表：

from gtts.lang import tts_langs
languages = tts_langs()
print("支持的语言列表:")
for lang_code, lang_name in languages.items():print(f"{lang_code}: {lang_name}")

部分输出示例：

en: English
zh: Chinese
fr: French
de: German
es: Spanish

常见问题与解决办法
(1) 网络连接问题
gtts 依赖 Google Translate TTS API，需要联网。如果提示 ConnectionError 或 Timeout，请检查网络连接。

(2) 中文语音生成问题
若生成的中文语音无法正常播报：

确保语言代码为 “zh”，即使用简体中文。
检查输入文本是否为有效的 UTF-8 编码。
(3) 播放音频的问题
如果音频保存成功，但无法播放，可以使用 ffmpeg 或其他音频播放器检查音频文件是否损坏。
6. 使用场景扩展
(1) 为应用程序生成提示音
将简短的提示消息转化为语音，用于应用程序的欢迎页面、错误提示等。

(2) 批量生成语音
遍历多个文本文件或文本段，批量生成语音文件。

示例：

texts = ["欢迎使用我们的程序。", "读取完毕，请执行下一步操作。", "已完成处理。"]for i, text in enumerate(texts):tts = gTTS(text=text, lang="zh")tts.save(f"audio_{i+1}.mp3")print("批量语音文件已生成")

(3) 自定义背景音
与 ffmpeg 结合，将语音文件与背景声音混合：

ffmpeg -i text_audio.mp3 -i background_music.mp3 -filter_complex amix=inputs=2:duration=shortest mixed_audio.mp3

相关文章：