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 pyttsx3
engine = 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 os
os.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 OpenAI
def 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: 1
result = 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')
描述：中规中举，在国内网络环境下可用
优点：一般手机提供的 tts 效果差不多，不需要科学上网
缺点：需要付费
文档：https://console.bce.baidu.com/ai/#/ai/speech/overview/resource/getFree
5 讯飞
例程：使用官方的 Python Demo 很长，依赖库也多；还且会随着 API 更新会切换接口，就不粘在这里了。
描述：几乎是中文合成效果最好的语音合成引擎
优点：字正腔圆，效果很好；新人礼包，第一年最高 50 万次免费，每天可用几百次
缺点：这 Demo, API, 和文档真是一言难尽…… 使用方式与百度类似，但调用方式不够友好
平台：https://www.xfyun.cn/services/online_tts
文档：https://www.xfyun.cn/doc/tts/online_tts/API.html
参数说明文档：找了半天才找到
6 总结
最终我用的是 openai 的，因为也在用 openai 的其它服务，所以不需要另外申请帐号，且效果是真的好；我自己用，用量也不大，虽然需要付费，但是费用能接受。当然，如果有资源也可以自已搭建深度学习的合成服务，不过我觉得如果用得少，也没必要。
7 参考
【小沐学Python】Python实现TTS文本转语音（speech、pyttsx3、百度AI）