Python中Pyttsx3库实现文本转化成语音MP3格式文件

Pyttsx3库介绍

pyttsx3 库是一个功能强大且使用方便的 Python 本地文本转语音库。它不仅能在离线下将文本转换为语音MP3格式文件，也能在 Windows、MacOS 和 Linux 等多个操作系统上实现语音播报。同时，还可以调整语音播报的语速、音量和音色。

安装与基本使用

安装：cmd命令行中执行 pip install pyttsx3。
基本使用示例：

import pyttsx3

# 初始化语音引擎
engine = pyttsx3.init()

# 可以通过 engine.setProperty('rate', new_rate) 方法来调整语音的语速。
# new_rate 是一个整数，表示每分钟的单词数。
# 例如，默认语速可能是 150，若想加快语速，可以将其设置为 200。
engine.setProperty('rate', 150)

# engine.setProperty('volume', new_volume) 来设置音量。
# new_volume 是一个介于 0.0（静音）和 1.0（最大音量）之间的浮点数。
# 比如，engine.setProperty('volume', 0.8) 会将音量设置为最大音量的 80%。
engine.setProperty('volume', 0.8)

# 在 Windows 系统中，可以通过语音 ID 来选择不同的语音音色,只有两种音色。
# voices[0].name为Microsoft Huihui Desktop - Chinese (Simplified)
# voices[1].name为Microsoft Zira Desktop - English (United States)
voices = engine.getProperty('voices')
for voice in voices:
    print(voice.id)
    print(voice.name)
# 选择第二个语音，适用于英语朗读。
engine.setProperty('voice', voices[1].id)

# 设置需要朗读的文本。
text = "Hello, this is a simple text-to-speech example."
# 指定要转换为语音的文本内容。
engine.say(text)
# 执行语音播放任务。
engine.runAndWait()

# 定义MP3文件名称。
filename = "output.mp3"
# 保存MP3音频文件。
engine.save_to_file(text, filename)
engine.runAndWait()  # 需要这行才能保存MP3音频文件。

构建Pyttsx3库的GUI使用界面

为方便大家理解使用，作者已构建Pyttsx3库的GUI界面，美化了界面，为每行代码添加注释，免去编程的烦恼，直接复制即可用，代码如下：

import tkinter as tk  # 导入tkinter库，用于创建GUI应用程序，并将其简称为tk
from tkinter import ttk  # 从tkinter库中导入ttk模块，用于创建更美观的GUI组件
import pyttsx3  # 导入pyttsx3库，用于实现文本到语音的转换
import datetime  # 导入datetime库，用于处理日期和时间相关的操作
import threading  # 导入threading库，用于在后台线程中执行任务，避免阻塞主线程

engine = pyttsx3.init()  # 初始化pyttsx3语音引擎，创建一个用于语音操作的对象
is_playing = False  # 定义一个布尔变量，用于标记语音是否正在播放，初始值为False


def save_speech():
    global is_playing  # 声明要使用全局变量is_playing
    if is_playing:
        status_label.config(text="正在试听中，请等待停止后再保存！")  # 如果正在播放语音，更新状态标签提示用户
        return  # 直接返回，不执行后续保存操作
    text = text_entry.get("1.0", "end-1c")  # 获取文本输入框中的文本内容
    filename = filename_entry.get()  # 获取用户输入的文件名
    if not filename:
        filename = datetime.datetime.now().strftime("%Y%m%d%H%M%S")  # 如果用户没有输入文件名，使用当前时间生成一个文件名
    filename += ".mp3"  # 给文件名添加.mp3后缀

    engine.setProperty('rate', int(rate_entry.get()))  # 设置语音播放的语速，从语速输入框中获取值并转换为整数
    engine.setProperty('volume', float(volume_entry.get()) / 100)  # 设置语音播放的音量，从音量输入框中获取值并转换为浮点数，再除以100得到0到1之间的音量值
    engine.setProperty('voice', voice_var.get())  # 设置要使用的语音音色，从语音选择框中获取选择的语音ID

    def save_file():
        engine.save_to_file(text, filename)  # 将文本内容保存为音频文件
        engine.runAndWait()  # 运行语音引擎，等待音频文件保存完成
        status_label.config(text=f"文件已保存为：{filename}")  # 更新状态标签，显示文件已保存的信息

    threading.Thread(target=save_file, daemon=True).start()  # 在后台线程中启动保存文件的任务，daemon=True表示该线程会在主线程结束时自动结束


def preview_speech():
    status_label.config(text="正在试听中...")  # 更新状态标签，提示用户正在试听
    global is_playing  # 声明要使用全局变量is_playing
    if is_playing:
        status_label.config(text="正在试听中，请等待停止后再点击！")  # 如果正在播放语音，更新状态标签提示用户
        return  # 直接返回，不执行后续试听操作
    is_playing = True  # 将is_playing设置为True，表示开始试听
    text = text_entry.get("1.0", "end-1c")  # 获取文本输入框中的文本内容
    engine.setProperty('rate', int(rate_entry.get()))  # 设置语音播放的语速，从语速输入框中获取值并转换为整数
    engine.setProperty('volume', float(volume_entry.get()) / 100)  # 设置语音播放的音量，从音量输入框中获取值并转换为浮点数，再除以100得到0到1之间的音量值
    engine.setProperty('voice', voice_var.get())  # 设置要使用的语音音色，从语音选择框中获取选择的语音ID

    def play():
        try:
            engine.say(text)  # 让语音引擎开始播放文本内容
            engine.runAndWait()  # 运行语音引擎，等待语音播放完成
        finally:
            global is_playing
            is_playing = False  # 无论语音播放是否正常完成，都将is_playing设置为False，表示试听结束
            status_label.config(text="试听已结束！")  # 更新状态标签，提示用户试听已结束

    threading.Thread(target=play, daemon=True).start()  # 在后台线程中启动播放语音的任务，daemon=True表示该线程会在主线程结束时自动结束


root = tk.Tk()  # 创建一个Tkinter窗口对象，这是GUI应用程序的主窗口
root.title("文字转语音转换器")  # 设置主窗口的标题为“文字转语音转换器”

# 输入文本
input_frame = tk.Frame(root)  # 创建一个框架（Frame）用于组织输入文本相关的组件
input_frame.grid(row=0, column=0, padx=10, pady=10, sticky="nsew")  # 使用grid布局管理器将框架放置在主窗口的第0行第0列，设置水平和垂直方向的间距为10，并且使框架在四个方向上都能拉伸
tk.Label(input_frame, text="输入文本：").grid(row=0, column=0, sticky=tk.W, padx=5, pady=5)  # 在框架内创建一个标签，显示“输入文本：”，并使用grid布局将其放置在第0行第0列，左对齐，设置水平和垂直方向的间距为5
text_entry = tk.Text(input_frame, height=10, width=50)  # 在框架内创建一个文本输入框，高度为10，宽度为50
text_entry.grid(row=1, column=0, sticky="nsew", padx=5, pady=5)  # 使用grid布局将文本输入框放置在第1行第0列，使其在四个方向上都能拉伸，设置水平和垂直方向的间距为5

# 语速
settings_frame = tk.Frame(root)  # 创建一个框架用于组织语速、音量、选择语音和文件名相关的设置组件
settings_frame.grid(row=1, column=0, padx=10, pady=10, sticky="nsew")  # 使用grid布局将框架放置在主窗口的第1行第0列，设置水平和垂直方向的间距为10，并且使框架在四个方向上都能拉伸
tk.Label(settings_frame, text="语速（0-200）：").grid(row=0, column=0, sticky=tk.W, padx=5, pady=5)  # 在框架内创建一个标签，显示“语速（0-200）：”，并使用grid布局将其放置在第0行第0列，左对齐，设置水平和垂直方向的间距为5
rate_entry = tk.Entry(settings_frame, width=34)  # 在框架内创建一个输入框用于输入语速，宽度为34
rate_entry.insert(0, '150')  # 在语速输入框中插入默认值150
rate_entry.grid(row=0, column=1, padx=5, pady=5)  # 使用grid布局将语速输入框放置在第0行第1列，设置水平和垂直方向的间距为5

# 音量
tk.Label(settings_frame, text="音量（0-100）：").grid(row=1, column=0, sticky=tk.W, padx=5, pady=5)  # 在框架内创建一个标签，显示“音量（0-100）：”，并使用grid布局将其放置在第1行第0列，左对齐，设置水平和垂直方向的间距为5
volume_entry = tk.Entry(settings_frame, width=34)  # 在框架内创建一个输入框用于输入音量，宽度为34
volume_entry.insert(0, '100')  # 在音量输入框中插入默认值100
volume_entry.grid(row=1, column=1, padx=5, pady=5)  # 使用grid布局将音量输入框放置在第1行第1列，设置水平和垂直方向的间距为5

# 选择语音
tk.Label(settings_frame, text="选择语音：").grid(row=2, column=0, sticky=tk.W, padx=5, pady=5)  # 在框架内创建一个标签，显示“选择语音：”，并使用grid布局将其放置在第2行第0列，左对齐，设置水平和垂直方向的间距为5
voice_var = tk.StringVar(root)  # 创建一个字符串变量，用于存储选择的语音ID
voices_combo = ttk.Combobox(settings_frame, textvariable=voice_var, state="readonly", width=32)  # 在框架内创建一个只读的下拉组合框，用于选择语音，宽度为32，关联到voice_var变量
voices = engine.getProperty('voices')  # 获取语音引擎支持的所有语音
voices_combo['values'] = [voice.name for voice in voices]  # 将所有语音的名称设置为下拉组合框的可选值
voices_combo.current(0)  # 设置下拉组合框的默认选择为第一个语音
voices_combo.grid(row=2, column=1, padx=5, pady=5)  # 使用grid布局将下拉组合框放置在第2行第1列，设置水平和垂直方向的间距为5

# 文件名
tk.Label(settings_frame, text="文件名（可选）：").grid(row=3, column=0, sticky=tk.W, padx=5, pady=5)  # 在框架内创建一个标签，显示“文件名（可选）：”，并使用grid布局将其放置在第3行第0列，左对齐，设置水平和垂直方向的间距为5
filename_entry = tk.Entry(settings_frame, width=34)  # 在框架内创建一个输入框用于输入文件名，宽度为34
filename_entry.grid(row=3, column=1, padx=5, pady=5)  # 使用grid布局将文件名输入框放置在第3行第1列，设置水平和垂直方向的间距为5

# 控制按钮
control_frame = tk.Frame(root)  # 创建一个框架用于组织控制按钮
control_frame.grid(row=2, column=0, padx=10, pady=10, sticky="nsew")  # 使用grid布局将框架放置在主窗口的第2行第0列，设置水平和垂直方向的间距为10，并且使框架在四个方向上都能拉伸
# 配置列权重，使按钮均匀分布
control_frame.columnconfigure(0, weight=1)  # 配置框架的第0列权重为1，使该列在水平方向上均匀分配空间
control_frame.columnconfigure(1, weight=1)  # 配置框架的第1列权重为1，使该列在水平方向上均匀分配空间
control_frame.columnconfigure(2, weight=1)  # 配置框架的第2列权重为1，使该列在水平方向上均匀分配空间

preview_button = tk.Button(control_frame, text="试听", command=preview_speech)  # 在框架内创建一个按钮，显示“试听”，点击时调用preview_speech函数
preview_button.grid(row=0, column=0, sticky="ew", padx=5, pady=5)  # 使用grid布局将试听按钮放置在第0行第0列，使其在水平方向上拉伸，设置水平和垂直方向的间距为5
save_button = tk.Button(control_frame, text="保存为MP3", command=save_speech)  # 在框架内创建一个按钮，显示“保存为MP3”，点击时调用save_speech函数
save_button.grid(row=0, column=2, sticky="ew", padx=5, pady=5)  # 使用grid布局将保存按钮放置在第0行第2列，使其在水平方向上拉伸，设置水平和垂直方向的间距为5

# 状态标签
status_label = tk.Label(root, text="", relief=tk.SUNKEN, bd=1, padx=5, pady=5)  # 创建一个标签用于显示状态信息，设置凹陷的边框样式，边框宽度为1，水平和垂直方向的间距为5
status_label.grid(row=3, column=0, sticky="nsew", padx=5, pady=10)  # 使用grid布局将状态标签放置在第3行第0列，使其在四个方向上都能拉伸，设置水平和垂直方向的间距为5和10

root.mainloop()  # 启动Tkinter主事件循环，使窗口保持显示并响应用户操作

该代码在输入文本后，可实现语速和音量的调节，音色的选择，文本的试听，重命名MP3格式文件名和保存MP3格式文件，如下图所示：

参考资料

利用Python的Pyttsx3库实现离线文字转语音（TTS）功能：
https://blog.csdn.net/weixin_45498383/article/details/137688557
python如何将word文档内容转换成语音：
https://blog.csdn.net/weixin_57635535/article/details/141922644

作者创作不易，如果对你有帮助，可以点赞或者关注作者，支持一下呗！