用Python将合成的texttospeech记录到文件中

Question

我试图找到一种方法，采取合成语音，并记录到一个音频文件。我目前正在使用pyttsx作为文本到语音库，但没有将输出保存到文件的机制，只能直接从扬声器播放。我已经研究过detecting and recording audio和PyAudio，但它们似乎从麦克风接收输入，而不是将输出音频重定向到文件。有没有已知的方法可以做到这一点？

Answer 1

可以使用更高级的SAPI包装器将输出保存到wav文件。例如，你可以尝试

https://github.com/DeepHorizons/tts

代码应该如下所示：

import tts.sapi
voice = tts.sapi.Sapi()
voice.set_voice("Joey")
voice.create_recording('hello.wav', "Hello")

Answer 2

下面是一个允许您访问NSSpeechSynthesizer API的示例

#!/usr/bin/env python

from  AppKit import NSSpeechSynthesizer
import sys
import Foundation


if len(sys.argv) < 2:
   text = raw_input('type text to speak> ')
else:
   text = sys.argv[1]

nssp = NSSpeechSynthesizer
ve = nssp.alloc().init()
ve.setRate_(100)
url = Foundation.NSURL.fileURLWithPath_('yourpath/test.aiff')
ve.startSpeakingString_toURL_(text,url)

Answer 3

可以使用subprocess使用-w参数调用espeak。

import subprocess

def textToWav(text,file_name):
   subprocess.call(["espeak", "-w"+file_name+".wav", text])

textToWav('hello world','hello')

这将在不大声读出的情况下写入file_name.wav。如果您的文本在一个文件中（例如text.txt），则需要使用-f参数（“-f”+text）调用espeak。我建议您阅读espeak man pages以查看所有选项。

希望这有帮助。