python系列：Python 调用Windows内置的语音合成，并生成wav文件

在Python编程语言中，利用Windows内置的语音合成技术可以实现文本转语音的功能，这在许多应用场景中非常有用，比如辅助视觉障碍者、制作有声读物或者构建语音交互的智能系统。本篇将深入探讨如何使用Python调用Windows的TTS（Text-to-Speech）引擎并生成.wav音频文件。 我们需要了解Windows操作系统中的语音合成接口，通常称为SAPI（Speech API）。Python并不能直接访问SAPI，但我们可以借助第三方库`pywin32`来与Windows API进行交互。`pywin32`是一个Python扩展包，提供了对Windows COM接口的访问，包括语音合成服务。 安装`pywin32`库，可以使用以下命令： ```bash pip install pywin32 ``` 接下来，我们将创建一个Python脚本来实现文本转语音功能： ```python import os import sys import win32com.client as wincl def text_to_speech(text, output_file): # 创建语音对象 speaker = wincl.Dispatch("SAPI.SpVoice") # 创建语音流对象，用于保存输出的.wav文件 stream = wincl.Dispatch("SAPI.SpFileStream") stream.Open(output_file, wincl.constants.SPSF_CREATE_ALWAYS, 0) # 设置语音属性，如语速和音调 speaker.Rate = -1 # -1为默认速度，可调整为其他值改变语速 speaker.Volume = 100 # 100为最大音量，可调整为其他值改变音量 # 将文本转换为语音并保存到文件 speaker.Speak(text, wincl.constants.SPVSSFT_WAVEFILE | wincl.constants.SPVFP_SAVE_TO_FILE, stream) # 关闭语音流对象 stream.Close() # 释放资源 del speaker del stream # 示例：将文本转换为语音并保存为.wav文件 text = "这是一个使用Python调用Windows内置语音合成的例子。" output_file = "output.wav" text_to_speech(text, output_file) print(f"已生成名为'{output_file}'的.wav文件。") ``` 在这个脚本中，我们使用`wincl.Dispatch("SAPI.SpVoice")`创建了一个语音对象，然后通过`Speak`方法将文本转换成语音。`SPVSSFT_WAVEFILE`和`SPVFP_SAVE_TO_FILE`标志表示我们要将语音数据保存为.wav文件，而不是直接播放。 此外，`Rate`属性用于设置语速，数值范围是-10到10，其中0为正常速度，负数表示更快，正数表示更慢。`Volume`属性用于设置音量，范围是0到100，100代表最大音量。 运行这个脚本，你将得到一个包含合成语音的.wav文件。你可以根据需要修改`text`变量的值，生成不同内容的语音文件。 请注意，这个方法只适用于Windows操作系统，因为SAPI是Windows特有的API。在其他操作系统，如Linux或macOS，你需要使用不同的库，例如`gTTS`（Google Text-to-Speech）或者`espeak`等。 通过这种方式，Python结合Windows的TTS引擎，我们可以轻松地创建自定义的语音应用，如语音助手、自动阅读器或者游戏中的语音反馈系统。这不仅丰富了我们的项目功能，还展示了Python与其他系统集成的强大能力。