python自制有声小说

最近工作中测试ASR，语音识别系统。人工读太累，想自动化来实现。给一段text,能给我发出正确的声音，然后按住按钮，产品能够录制下来并且正常识别。

可不可以实现呢，万能的python当然是可以的。 搜了一下文字转语音，发现python的库还是很多的。 主要来源于单纯的声音库类，多媒体库类的音频模块，游戏库的音频模块，界面窗口库自带的媒体播放模块 pyaudio pydub pyglet pygame

网页正文识别也不在话下。这里我尝试了 readability、goose3。

1.1 readability

readability 支持 Python3，使用 pip install readability-lxml 安装即可。

readability 使用起来也很方便：

代码语言：javascript复制

import requests
from readability import Document
 
response = requests.get('http://news.china.com/socialgd/10000169/20180616/32537640_all.html')
doc = Document(response.text)
print(doc.title())

但是 readability 提取到的正文内容不是文本，里面仍包含 HTML 标签。

当然也可以结合其他组件再对 HTML 进行处理，如 html2text，我们这里就不再延伸，有兴趣的可以自行尝试。

1.2 goose3

Goose 本来是一个用 Java 编写的文章提取器，后来就有了 Python 实现版：goose3 。

使用起来也很方便，同时对中文支持也不错。使用 pip install goose3 即可安装。

代码语言：javascript复制

 from goose3 import Goose
from goose3.text import StopWordsChinese
url  = 'http://news.china.com/socialgd/10000169/20180616/32537640_all.html'
 g = Goose({'stopwords_class': StopWordsChinese})
article = g.extract(url=url)
 print(article.cleaned_text[:150])

可以看出网页正文提取效果还不错，基本满足我们的要求，可以使用！ 这样爬取网页内容就很容易了。当然你也可以自己写爬虫。

我还发现一个这样的库： pyttsx3（Text to Speech）是一个语音转换模块，它可以在离线的环境下工作，支持多个引擎 安装

代码语言：javascript复制

pip install pyttsx3

尝试

代码语言：javascript复制

import pyttsx3

teacher = pyttsx3.init()
teacher.say('Hello World!')
teacher.runAndWait()

朗读中文

代码语言：javascript复制

import pyttsx3

msg = '''盼望着，盼望着，东风来了，春天的脚步...'''
teacher = pyttsx3.init()
teacher.say(msg)
teacher.runAndWait()

调节语速

代码语言：javascript复制

import pyttsx3

msg = '''盼望着，盼望着，东风来了，春天的脚步...'''
teacher = pyttsx3.init()
rate = teacher.getProperty('rate')
teacher.setProperty('rate', rate   20)
teacher.say(msg)
teacher.runAndWait()

变换声音

代码语言：javascript复制

import pyttsx3

msg = '''天行健，君子自强不息'''
teacher = pyttsx3.init()
voices = teacher.getProperty('voices')
for i in voices:
    teacher.setProperty('voice', i.id)
    teacher.say(msg)
teacher.runAndWait()

读英文还好，但是，读不出中文，于是搜了一个答案，说要在windos机器上改个注册表

代码语言：javascript复制

engine.setProperty("voice","HKEY_LOCAL_MACHINESOFTWAREMicrosoftSpeechVoicesTokensTTS_MS_ZH-CN_HUIHUI_11.0")

尝试了一下，是可以读出中文，但是读出来的太机械，很明显的机器的声音。对于我自动化已经满足，如果要来听书，还是要找个萝莉音更爽。

然后看到说有某度的AI语音识别，需要注册百度的应用开发者账户，

用户可以自行去下面的网站去注册[语音合成-百度AIai.baidu.com，注册百度云之后，去控制台创建应用，过程比较简单。 用python实现起来也比较简单： 步骤如下，

1.1 安装百度AI模块，安装命令“pip install baidu-aip”

1.2 安装pydub，pydub是python的一个音频处理库处理，能对wav格式的音频直接进行处理，安装命令“pip install pydub”

1.3 安装ffmpeg，可以实现对mp3格式的处理，安装命令“sudo apt-get install ffmpeg”

其中的参数如下： 参数 类型 描述 必传 tex String 合成的文本，使用UTF-8编码，请注意文本长度必须小于1024字节 是 lang String 语言选择,填写zh 是 ctp String 客户端类型选择，web端填写1 是 cuid String 用户唯一标识，用来区分用户，填写机器 MAC 地址或 IMEI 码，长度为60以内 否 spd String 语速，取值0-9，默认为5中语速 否 pit String 音调，取值0-9，默认为5中语调 否 vol String 音量，取值0-15，默认为5中音量 否 per String 发音人选择,0为女声，1为男声，3为情感合成-度逍遥，4为情感合成-度丫丫，默认为普通女 否

接口对单次传入的文本进行了限制，合成文本长度必须小于 1024 字节，如果文本长度过长，就需要进行切割处理，采用多次请求的方式，分别转换成语音文件，最后再将多个语音文件合并成一个 写段代码试试看

代码语言：javascript复制

from aip import AipSpeech
from pydub import AudioSegment
import time
 
#input your own APP_ID/API_KEY/SECRET_KEY
APP_ID = '14891501' 
API_KEY = 'EIm2iXtvDSplvR5cyHU8dAeM' 
SECRET_KEY = '4KkGGzTq2GVrBEYPLXXWEEIoyLL1F6Zt ' 
 
print("baiduVoiceGenerate: V1.0, by Guanagwei_Jiang, 20181121")
str = raw_input("请输入要转成语音的文字：")
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
result = client.synthesis(str, 'zh', 1, { 'vol': 5,'per':4 })
 
if not isinstance(result, dict):
    with open('temp.mp3', 'wb') as f:
        f.write(result)
 
sound = AudioSegment.from_mp3('temp.mp3')
sound.export(time.strftime("%Y%m%d_%H%M%S", time.localtime()) ".wav", format="wav")

于是就可以将爬到的文字，转换成语音。听下来效果还可以，可以根据参数换男/女声音，和感情度。

代码语言：javascript复制

import re
from aip import AipSpeech

app_id = 'id'
api_key = 'APIkey'
secret_key = 'screctkey'

client = AipSpeech(app_id,api_key,secret_key)

with open('read.txt','r') as a:
    text = a.readlines()

for cut in text:
    #以1000个字节的长度进行分割
    text_cut = re.findall('.{1000}', cut)
    text_cut.append(cut[(len(text_cut) * 1000):])
    #在分割后的字符串中间插入"---"
    text_final = '---'.join(text_cut)
#计算文本中有多少个"---"标志
times = text_final.count('---')
for n in range(0,times 1):
    name = text_final.split('---')[n]
    result = client.synthesis(name, 'zh', '1',
                              {"vol": 9,
                               "spd": 4,
                               "pit": 9,
                               "per": 3,
                               })

    with open('test/'   str(n   1)   '.mp3', "wb") as d:
        print('正在生成第'   str(n   1)   '段语音......')
        d.write(result)

可以将分段的语音，按照我前文的操作，所有的合并起来，就成了一个整体了。 或者使用pydub和ffmpeg实现wav转mp3格式。这样就实现了文字转声音。

编程算法 python 视频处理 语音识别

0 人点赞