python 实现文字转声音

一、准备工资

1.1、python版本

本次实验使用的是python3.10版本

1.2、第三方工具包

使用的三方工具包：pyttsx3、pydub，pyttsx3包将文字转变为声音，pydub包实现变声

安装命令：pip install pyttsx3 pydub

1.3、其它工具

需要安装的工具：ffmpeg，据说pydub包需要用到。下载地址：FFmpeg，步骤如下：

此处是个解压版本的，下载完成后，只需要将压缩包解压到指定目录下，然后配置环境变量就行了。我解压到了D盘，环境变量配置如下：

二、代码实现

2.1、文字转声音

import pyttsx3
from pydub import AudioSegment
from pydub.effects import speedup
import os

def text_to_speech_save_as_mp3(text, mp3_filename):
    # 初始化 pyttsx3 引擎
    engine = pyttsx3.init()

    # 创建一个临时 WAV 文件
    wav_filename = "temp.wav"
    engine.save_to_file(text, wav_filename)
    engine.runAndWait()

    # 将 WAV 文件转换为 MP3
    audio = AudioSegment.from_wav(wav_filename)
    audio.export(mp3_filename, format="mp3")

    # 删除临时 WAV 文件
    import os
    os.remove(wav_filename)

# 示例用法
# text = "妈 妈，妈 妈，你去哪里了？"
text = "救命啊，救命啊，老虎来了。"
mp3_filename = "output.mp3"
text_to_speech_save_as_mp3(text, mp3_filename)

2.2、变声

def pitch_shift(audio, semitones):
    # 计算新的采样率
    new_sample_rate = int(audio.frame_rate * (2.0 ** (semitones / 12.0)))
    # 生成新的音频对象，调整采样率以改变音调
    return audio._spawn(audio.raw_data, overrides={'frame_rate': new_sample_rate}).set_frame_rate(audio.frame_rate)

def change_pitch(input_file, output_file, pitch_factor=1.6):
    # 加载音频文件
    audio = AudioSegment.from_file(input_file)

    # 调整音频，通过修改semitones改变声音音频
    audio_higher = pitch_shift(audio,semitones=6)

    # 调整音调，通过改变音频的播放速度来模拟音调变化
    new_audio = speedup(audio_higher, playback_speed=pitch_factor)

    # 保存修改后的音频文件
    new_audio.export(output_file, format="mp3")

2.3、调用main函数

if __name__ == "__main__":
    input_file = "output.mp3"  # 替换为你的输入音频文件路径
    output_file = "output_audio.mp3"  # 输出音频文件路径
    if os.path.exists(input_file):
        change_pitch(input_file, output_file)
        print(f"音频处理完成，输出文件: {output_file}")
    else:
        print(f"输入文件 {input_file} 不存在，请检查路径。")