Python文本语音识别模块大比拼，看看青铜与王者的差别！-优快云博客

关于作息问题

自从开始公众号写作，作息问题就成了一件让人很头大的事情，相对平时学习时间的基础上，每天需要再多抽出来至少两个小时进行公众号写作，这些时间只能从睡眠中挤出来。别人研究怎么碎片化学习，我现在每天盘算的是怎么碎片化打盹。不知道该怎么解决作息的问题，好苦恼....

文本转语音

如果把Python比喻成游戏中的一个英雄，你觉得它是谁？对于Dota老玩家来说，我会想到钢琴手卡尔！感觉Python和卡尔一样，除了生孩子什么都可以做的角色。日常生活中，我们会涉及到很多语音播报的场景，比如郭德纲版的高德地图导航、超市门口的红外感知提醒欢迎光临、银行的自助叫号系统，等等...今天就和大家聊聊Python文本转语音，看看这些从青铜到王者的模块。

青铜-pywin32

通过pip install pywin32安装模块，pywin32是个万金油的模块，太多的场景使用到它，但在文本转语音上，它却是个青铜玩家，简单无脑但效果不好。代码示例：

import win32com.client

speaker = win32com.client.Dispatch("SAPI.SpVoice")
speaker.Speak("一天什么时候最安全？中午，因为早晚会出事...")

因为这个模块使用了很多次，自信执行，结果报错了....

Traceback (most recent call last):
File "D:\Python37\lib\site-packages\win32com\client\dynamic.py", line 89, in _GetGoodDispatch
IDispatch = pythoncom.connect(IDispatch)
pywintypes.com_error: (-2147221005, '无效的类字符串', None, None)

这个模块之前在公司和家里笔记本用过很多次的，怎么会报错呢？一脸懵逼...结果查了半天发现，代码在调用语音识别组件的时候报错了。

语音识别组件

打开控制面板发现语音识别组件我的台式机电脑没有，原来现在很多GHOST版WIN系统为了精简体积都去除了语音识别组件，所以在安装语音朗读语音叫号类软件时，都不能正常发音。本来这种青铜小选手，像我这种王者级别的不羞于为伍，但既然是模块介绍还是确定下到底是不是这个问题吧。网上找了一个语音识别的TTSwidnows补丁包安装了一下，再次执行成功。如果跟我存在一样问题的选手，可以网上搜索安装一下。下载补丁包执行bat文件一键无脑安装。
为什么说这个模块是青铜，因为太无脑了，你填写文本它默认输出，没有任何可配置的地方,而且语音生硬...

白银-pyttsx3

pyttsx3 is a text-to-speech conversion library in Python.
Unlike alternative libraries, it works offline, and is compatible with both Python 2 and 3.

SAPI5 on Windows XP and Windows Vista and Windows 8,8.1 , 10

NSSpeechSynthesizer on Mac OS X 10.5 (Leopard) and 10.6 (Snow Leopard)
espeak on Ubuntu Desktop Edition 8.10 (Intrepid), 9.04 (Jaunty), and 9.10 (Karmic)

pyttsx3使用pyttsx移植过来的,因为pyttsx不支持python3...针对不同的系统，模块会自动所有系统对应的语音驱动，前提是你的系统存在该驱动...
它依赖pywin32模块，可以说它时针对无脑的pywin32接口，进行了升级的个性化配置。先来看下最简单的使用：

import pyttsx3
engine = pyttsx3.init()
engine.say("明天你好，我叫干不倒！")
engine.runAndWait()

代码初始化模块后，填写你所需转化的文本，之后执行runAndWait方法完成语音转化。再来看看其相关操作：

事件监听

import pyttsx3

def onStart(name):
    print('starting', name)

def onWord(name, location, length):
    print('word', name, location, length)

def onEnd(name, completed):
    print('finishing', name, completed)

engine = pyttsx3.init()
engine.connect('started-utterance', onStart)
engine.connect('started-word', onWord)
engine.connect('finished-utterance', onEnd)
engine.say('The quick brown fox jumped over the lazy dog.')
engine.runAndWait()

中断话语

import pyttsx3
def onWord(name, location, length):
   print 'word', name, location, length
   if location > 10:
      engine.stop()
engine = pyttsx3.init()
engine.connect('started-word', onWord)
engine.say('The quick brown fox jumped over the lazy dog.')
engine.runAndWait()

改变声音

import pyttsx3
engine = pyttsx3.init()
voices = engine.getProperty('voices')
for voice in voices:
   engine.setProperty('voice', voice.id)
   engine.say('The quick brown fox jumped over the lazy dog.')
engine.runAndWait()

改变语速

import pyttsx3
engine = pyttsx3.init()
rate = engine.getProperty('rate')
engine.setProperty('rate', rate+50)
engine.say('The quick brown fox jumped over the lazy dog.')
engine.runAndWait()

改变音量

import pyttsx3
engine = pyttsx3.init()
volume = engine.getProperty('volume')
engine.setProperty('volume', volume-0.25)
engine.say('The quick brown fox jumped over the lazy dog.')
engine.runAndWait()

运行驱动程序事件循环

import pyttsx3
engine = pyttsx3.init()
def onStart(name):
   print 'starting', name
def onWord(name, location, length):
   print 'word', name, location, length
def onEnd(name, completed):
   print 'finishing', name, completed
   if name == 'fox':
      engine.say('What a lazy dog!', 'dog')
   elif name == 'dog':
      engine.endLoop()
engine = pyttsx3.init()
engine.connect('started-utterance', onStart)
engine.connect('started-word', onWord)
engine.connect('finished-utterance', onEnd)
engine.say('The quick brown fox jumped over the lazy dog.', 'fox')
engine.startLoop()

使用外部事件循环

import pyttsx3
engine = pyttsx3.init()
engine.say('The quick brown fox jumped over the lazy dog.', 'fox')
engine.startLoop(False)
# engine.iterate() must be called inside externalLoop()
externalLoop()
engine.endLoop()

模块总体配置就是这些，针对pywin32的封装做的还是不错的...

王者-百度语音识别api

百度语音识别api:baidu-aip是百度开放的公共语音转化服务。只需要在百度注册相关的app及秘钥信息即可使用。

百度语音识别注册.png

使用流程如下：

访问语音合成-百度AI开放平台：http://ai.baidu.com/tech/speech/tts
之后使用百度账号即可登陆(没有百度账号的，自己注册一个)
创建应用，添加语音识别的功能，并完成注册
保存你的app_id, API_Key, Secret_Key 三项数据留着后续使用
切换回语音合成首页，点击立即使用旁边的技术文档按钮，进入API文档
定位语音合成-->SDK文档-->Python SDK，即可看到详细的开发文档说明

百度账号登陆.png

image.png

接下来，我们看看文档中的相关说明：

接口描述
基于该接口，开发者可以轻松的获取语音合成能力
请求说明
合成文本长度必须小于1024字节，如果本文长度较长，可以采用多次请求的方式。文本长度不可超过限制
举例，要把一段文字合成为语音文件：

from aip import AipSpeech

""" 你的 APPID AK SK """
APP_ID = '你的 App ID'
API_KEY = '你的 Api Key'
SECRET_KEY = '你的 Secret Key'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

result  = client.synthesis('你好百度', 'zh', 1, {
    'vol': 5,
})

# 识别正确返回语音二进制 错误则返回dict 参照下面错误码
if not isinstance(result, dict):
    with open('auido.mp3', 'wb') as f:
        f.write(result)

在上面代码中，常量APP_ID在百度云控制台中创建，常量API_KEY与SECRET_KEY是在创建完毕应用后，系统分配给用户的，均为字符串，用于标识用户，为访问做签名验证，可在AI服务控制台中的应用列表中查看。

参数	类型	描述	是否必须
text	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
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
speed	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