在 Python 中实现语音合成的四种方法

1 离线合成 pytts

配置环境

$ apt-get update
$ apt-get install espeak
$ pip install pyttsx3
$ apt-get install ffmpeg
$ apt-get install alsa-utils

运行程序

import pyttsx3engine = pyttsx3.init()
engine.setProperty('rate', 150)
engine.setProperty('volume', 0.7)text = "你好，欢迎使用 pyttsx3 中文语音合成！"
engine.say(text)
engine.runAndWait()engine.save_to_file(text, 'output.wav')
engine.runAndWait()

描述：十几年前的老工具，用规则实现，虽然能用但效果不好

优点：可以离线使用

缺点：塑料声太严重，反正我接受不了

2 google 语音合成

配置环境

$ pip install gtts

运行程序

from gtts import gTTS
import osos.environ['HTTP_PROXY']='http://192.168.10.106:12346'
os.environ['HTTPS_PROXY']='http://192.168.10.106:12346'tts = gTTS('你好，世界', lang='zh-cn')
tts.save('hello_world.mp3')

描述：google 提供的 tts 服务，虽然免费但限制比较严重；当然也可以附加一些工具，来解决这个问题；如果用直接删帧的方法会明显影响音质。

优点：调用简单合成速度快，不需要申请帐号可直接使用

缺点：无法调节速度，只有正常和慢，无法精调；需要科学上网

文档：https://github.com/pndurette/gTTS

3 openai 语音合成

配置环境

$ pip install openai

运行程序

from pathlib import Path
from openai import OpenAIdef generate_speech(api_key, text, model, voice, file_path):client = OpenAI(api_key=api_key)
response = client.audio.speech.create(model=model,voice=voice,input=text
)path = Path(file_path)
with open(path, 'wb') as file:file.write(response.content)return f'save to: {path}'api_key = 'sk-xxx'
text = "测试一下openai的语音合成"
model="tts-1" # tts-1、tts-1-hd、tts-1、tts-1-hd
voice = "shimmer" # alloy、echo、fable、onyx、nova、shimmer
file_path = r"openai.mp3"print(generate_speech(api_key, text, model, voice, file_path))

描述：openai 提供的基于大模型的语言合成，效果好

优点：流畅自然，合成速度也能接受

缺点：需要 openai 帐号，需要付费，需要科学上网

文档：https://platform.openai.com/docs/guides/text-to-speech

4 百度 tts

配置环境

$ pip install aip-baidu

运行程序

from aip import AipSpeech APP_ID = 'xxx'
API_KEY = 'xxx'
SECRET_KEY = 'xxx'  client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
manual = r'测试百度tts'if __name__ == '__main__':print('start voice process')#语速spd: 5, 语调pit: 5, 播音per: 1result = client.synthesis(manual, 'zh', 1, {'vol': 5, 'per':1,})if not isinstance(result, dict):with open('baidu.mp3', 'wb') as f:f.write(result)else:print(result)print('process end')