【pyhton】python如何实现将word等文档中的文字转换成语音

✨✨ 欢迎大家来到景天科技苑✨✨

🎈🎈 养成好习惯，先赞后看哦~🎈🎈

🏆 作者简介：景天科技苑
🏆《头衔》：大厂架构师，华为云开发者社区专家博主，阿里云开发者社区专家博主，CSDN全栈领域优质创作者，掘金优秀博主，51CTO博客专家等。
🏆《博客》：Python全栈，PyQt5和Tkinter桌面开发，小程序开发，人工智能，js逆向，App逆向，网络系统安全，数据分析，Django，fastapi，flask等框架，云原生K8S，linux，shell脚本等实操经验，网站搭建，数据库等分享。

所属的专栏：python综合应用，基础语法到高阶实战教学
景天的主页：景天科技苑

Python中文字转语音

在Python中实现文字转语音（Text-to-Speech, TTS）功能，能够广泛应用于多种场景，如语音助手、有声读物、无障碍阅读等。本文将结合具体案例，详细介绍如何在Python中实现文字转语音功能，包括不同的库和方法，以及它们的应用场景和优缺点。

将Word文档转换成音频文件并不是Python直接支持的标准功能，因为Word文档主要包含文本、格式和可能的图片，而音频文件则包含声音数据。但是，你可以通过几个步骤来间接实现这个功能，即首先读取Word文档中的文本，然后使用文本到语音（Text-To-Speech, TTS）技术将文本转换为音频。

这里有一个基本的步骤说明，以及使用Python和一些外部库来实现它的方法：

步骤 1: 安装必要的库

在Python中，实现文字转语音功能通常需要安装一些外部库。
你需要安装python-docx来读取Word文档，以及一个TTS库，如gTTS（使用Google的TTS API）或pyttsx3（一个跨平台的TTS引擎）。

• python-docx：用来读取Word文档，并转换成文字。
• pyttsx3：这是一个跨平台的Python库，用于将文本转换为语音。它支持多种语音合成引擎，如Microsoft SAPI 5、Google、Pico TTS等。pyttsx3的优点是简单易用，但它不直接支持暂停、继续和停止功能。

pip install python-docx pyttsx3

步骤 2: 读取Word文档

使用python-docx库来读取Word文档中的文本。

from docx import Documentdef read_word_doc(file_path):doc = Document(file_path)full_text = []for para in doc.paragraphs:full_text.append(para.text)return '\n'.join(full_text)# 使用示例
text = read_word_doc('测试.docx')
print(text)

步骤 3: 使用pyttsx3库将文本转换为音频

pyttsx3是一个强大的文本到语音（Text-to-Speech, TTS）转换库，它允许开发者将文本转换为语音，且支持离线工作，兼容Python 2和Python 3。本文将详细介绍pyttsx3的安装、基本用法、高级功能，并通过实际案例展示其在实际项目中的应用。

pyttsx3基本用法

初始化引擎

在使用pyttsx3之前，首先需要初始化TTS引擎：

import pyttsx3
engine = pyttsx3.init()

文本转语音

通过say方法添加要转换的文本，并通过runAndWait方法执行转换并等待完成：

engine.say("你好,世界!")
engine.runAndWait()

更改语音属性

pyttsx3允许用户配置语音的多种属性，包括语速、音量和语音类型。

• 设置语速：通过setProperty方法设置语速，单位是词/分钟（words per minute, wpm）。
• 设置音量：音量范围是0.0到1.0，表示当前系统音量的比例。
• 设置语音类型：不同的操作系统可能有不同的语音包可供选择。通过getProperty('voices')方法获取当前可用的语音列表，然后选择一个语音进行设置。

# 设置语速
engine.setProperty('rate', 150)# 设置音量
engine.setProperty('volume', 0.7)# 获取语音列表并设置语音
voices = engine.getProperty('voices')
for voice in voices:print(f"语音 ID: {voice.id}")print(f"语音名称: {voice.name}")
# 假设我们选择第一个语音
engine.setProperty('voice', voices[0].id)engine.say("这是更改后的语音、语速和音量。")
engine.runAndWait()

pyttsx3高级用法

保存语音到文件

pyttsx3不仅可以将文本转换为语音并实时播放，还可以将语音保存到文件中。通过save_to_file方法实现：

text = '你好,我是景天'
filename = './output.wav'
engine.save_to_file(text, filename)
engine.runAndWait()

实时监听和修改语音属性

虽然pyttsx3没有直接提供实时监听语音输出的API，但可以在朗读过程中根据条件动态调整语速、音量等属性。然而，需要注意的是，这种修改不会立即应用于当前正在播放的语音，而是会影响后续的语音输出。

支持多语言

pyttsx3支持多语言，但这取决于安装的语音包和操作系统的支持。在不同的操作系统上，可以通过选择不同的语音包来实现多语言支持。

错误处理

在实际应用中，应该添加错误处理机制来应对可能的异常情况，比如无法加载语音包、语音属性设置失败等。

实际案例

案例1：朗读word文件，并将语音保存到本地

假设我们有一个文本文件测试.docx，我们想要使用pyttsx3来朗读这个文件的内容。以下是实现步骤：

#将word文档转换为文字
from docx import Documentdef read_word_doc(file_path):doc = Document(file_path)full_text = []for para in doc.paragraphs:full_text.append(para.text)return '\n'.join(full_text)# 使用示例
text = read_word_doc('测试.docx')
print(text)#文字转语音
import pyttsx3def text_to_speech_pyttsx3(text):# 在使用pyttsx3之前，首先需要初始化TTS引擎：engine = pyttsx3.init()#打印语速,单位是词/分钟.默认是200rate = engine.getProperty("rate")print("语速",rate)#设置语速engine.setProperty('rate',190)#设置音量，音量范围是0.0到1.0，表示当前系统音量的比例。默认是1print("当前音量",engine.getProperty('volume'))# engine.setProperty('volume', 0.7)# 获取语音列表并设置语音#不同的操作系统可能有不同的语音包可供选择。通过getProperty('voices')方法获取当前可用的语音列表，然后选择一个语音进行设置。voices = engine.getProperty('voices')for voice in voices:print(f"语音 ID: {voice.id}")print(f"语音名称: {voice.name}")#通过say方法添加要转换的文本，engine.say(text)#将语音保存为MP3文件engine.save_to_file(text,"test.mp3")# 并通过runAndWait方法执行转换并等待完成：engine.runAndWait()# 使用示例
text_to_speech_pyttsx3(text)

我们的操作系统支持两种语音类型

看下生成的mp3文件

能正常播放

案例2：制作语音提示脚本

在自动化脚本或系统管理中，经常需要通过语音来提供用户提示。使用pyttsx3可以轻松实现这一功能。例如，一个自动备份脚本在完成备份后，可以通过语音通知用户：

import pyttsx3def notify_user(message):engine = pyttsx3.init()engine.say(message)engine.runAndWait()# 假设在某个自动备份函数的最后调用
notify_user("备份已完成，请放心使用。")

扩展功能

结合GUI开发

pyttsx3可以与其他GUI开发库（如Tkinter或PyQt）结合使用，开发具有图形界面的TTS应用。用户可以通过图形界面选择文本、设置语音属性并启动朗读过程。

结合自然语言处理

pyttsx3也可以与自然语言处理库（如NLTK或spaCy）结合使用，实现更复杂的文本处理和分析。例如，可以对文本进行分词、词性标注、命名实体识别等处理，然后将处理后的文本转换为语音输出。

结合语音识别

通过结合语音识别库，可以实现完整的语音交互系统。用户可以通过语音输入指令，系统解析指令并执行相应操作，同时通过pyttsx3将结果转换为语音输出反馈给用户。

总结

pyttsx3是一个功能强大且易于使用的文本到语音转换库，适用于各种需要语音交互的场合。通过本文的介绍，相信读者已经对pyttsx3有了更深入的了解，并能够在实际项目中灵活运用。无论是为应用程序添加语音交互功能，还是开发语音助手、自动化脚本等，pyttsx3都是一个非常实用的工具。希望本文能够帮助读者快速上手pyttsx3，并在自己的项目中实现语音功能。