Python 文本转语音

文本转语音，一般会用在无障碍开发。下面介绍如何使用Python实现将文本文件转换成语音输出。

准备

我测试使用的Python版本为2.7.10，如果你的版本是Python3.5的话，这里就不太适合了。
在windows上进行测试的话，这里有两种可选的方式：

• pyttsx ：下载地址
• 微软的Speech API ： 这个需要安装pywin32，下载地址

使用Speech API

原理

我们的想法是借助微软的语音接口，所以我们肯定是要进行调用 相关的接口。所以我们需要安装pywin32来帮助我们完成这一个底层的交互。

示例代码

import win32com.client
speaker = win32com.client.Dispatch("SAPI.SpVoice")
speaker.Speak("Hello, it works!")

小总结

是的，调用接口来实现语音功能就是这么简单，但是我们不得不来聊一聊这种方式的缺点。

• 对中文支持的不够好，仅仅是这一点，估计在中国没几个用它的了。

• 还有就是语速不能很好的控制，详细的API介绍可以参照这里API参考

pyttsx方式

原理

pyttsx 是Python的一个关于文字转语音方面的很不错的库。我们还可以借助pyttsx来实现在线朗读rfc文件或者本地文件等等，最为关键的是，它对中文支持的还是不错的。

示例代码

# coding:utf-8
import sys

reload(sys)
sys.setdefaultencoding('utf8')
#    __author__ = '郭 璞'
#    __date__ = '2016/8/6'
#    __Desc__ = 文字转语音输出

import pyttsx
engine = pyttsx.init()
engine.say('hello world')
engine.say('你好，郭璞')
engine.runAndWait()
# 朗读一次
engine.endLoop()

小总结

使用pyttsx，我们可以借助其强大的API来实现我们基本的业务需求。很酷吧。

pyttsx深入研究

做完上面的小实验，你肯定会觉得怎么这么不过瘾呢？
别担心，下面我们就一起走进pyttsx的世界，深入的研究一下其工作原理吧。

语音引擎工厂

类似于设计模式中的“工厂模式”，pyttsx通过初始化来获取语音引擎。当我们第一次调用init操作的时候，会返回一个pyttsx的engine对象，再次调用的时候，如果存在engine对象实例，就会使用现有的，否则再重新创建一个。

pyttsx.init([driverName : string, debug : bool]) → pyttsx.Engine

从方法声明上来看，第一个参数指定的是语音驱动的名称，这个在底层适合操作系统密切相关的。如下：

• drivename：由pyttsx.driver模块根据操作系统类型来调用，默认使用当前操作系统可以使用的最好的驱动

  • sapi5 - SAPI5 on Windows
  • nsss - NSSpeechSynthesizer on Mac OS X
  • espeak - eSpeak on every other platform

• debug: 这第二个参数是指定要不要以调试状态输出，建议开发阶段设置为True

引擎接口

要想很好的运用一个库，不了解其API是不行的。下面来看看pyttsx。engine.Engine的引擎API。

元数据音调

在pyttsx.voice.Voice中，处理合成器的发音。

• age
  发音人的年龄，默认为None

• gender
  以字符串为类型的发音人性别: male, female, or neutral.默认为None

• id
  关于Voice的字符串确认信息. 通过 pyttsx.engine.Engine.setPropertyValue()来设置活动发音签名. 这个属性总是被定义。

• languages
  发音支持的语言列表，如果没有，则为一个空的列表。

• name
  发音人名称，默认为None.

更多测试

朗读文本

import pyttsx
engine = pyttsx.init()
engine.say('Sally sells seashells by the seashore.')
engine.say('The quick brown fox jumped over the lazy dog.')
engine.runAndWait()

事件监听

import pyttsx
def onStart(name):
   print 'starting', name
def onWord(name, location, length):
   print 'word', name, location, length
def onEnd(name, completed):
   print 'finishing', name, completed
engine = pyttsx.init()
engine.say('The quick brown fox jumped over the lazy dog.')
engine.runAndWait()

打断发音

import pyttsx
def onWord(name, location, length):
   print 'word', name, location, length
   if location > 10:
      engine.stop()
engine = pyttsx.init()
engine.say('The quick brown fox jumped over the lazy dog.')
engine.runAndWait()

更换发音人声音

engine = pyttsx.init()
voices = engine.getProperty('voices')
for voice in voices:
   engine.setProperty('voice', voice.id)
   engine.say('The quick brown fox jumped over the lazy dog.')
engine.runAndWait()

语速控制

engine = pyttsx.init()
rate = engine.getProperty('rate')
engine.setProperty('rate', rate+50)
engine.say('The quick brown fox jumped over the lazy dog.')
engine.runAndWait()

音量控制

engine = pyttsx.init()
volume = engine.getProperty('volume')
engine.setProperty('volume', volume-0.25)
engine.say('The quick brown fox jumped over the lazy dog.')
engine.runAndWait()

执行一个事件驱动循环

engine = pyttsx.init()
def onStart(name):
   print 'starting', name
def onWord(name, location, length):
   print 'word', name, location, length
def onEnd(name, completed):
   print 'finishing', name, completed
   if name == 'fox':
      engine.say('What a lazy dog!', 'dog')
   elif name == 'dog':
      engine.endLoop()
engine = pyttsx.init()
engine.say('The quick brown fox jumped over the lazy dog.', 'fox')
engine.startLoop()

使用一个外部的驱动循环

engine = pyttsx.init()
engine.say('The quick brown fox jumped over the lazy dog.', 'fox')
engine.startLoop(False)
# engine.iterate() must be called inside externalLoop()
externalLoop()
engine.endLoop()

总结

看完了上面的讲述，是不是感觉Python实现文本转语音还是蛮简单的？

那么，快来尝试尝试吧。