Python使用pyttsx3实现文本朗读功能的详细教程及避坑指南

大家好，今天给大家带来一个非常实用的Python库——pyttsx3。它可以把文字转换成语音，让你的程序“开口说话”。无论是做语音提醒、读新闻、还是给盲人用的辅助工具，都非常方便。

这篇文章会从零开始，一步步教你搭建环境、编写代码，并分享一些踩坑经验，比如服务器上没声音怎么办、相同文字重复合成浪费资源怎么办。

1. pyttsx3 简介

pyttsx3 是一个跨平台的文字转语音（TTS）库，支持 Windows、macOS、Linux。它直接调用系统自带的语音引擎，不需要网络，也不需要申请API密钥，完全离线使用。

特点：

• 简单易用，几行代码就能朗读文本。
• 可调节语速、音量，选择不同的语音（比如中文、英文）。
• 支持将语音保存为音频文件（.wav）。

2. 环境准备

首先确保你的电脑已经安装了 Python（推荐 3.6 及以上版本）。然后用 pip 安装 pyttsx3：

pip install pyttsx3

安装完成后，你就可以开始写代码了。

3. 基础代码：让电脑开口说话

下面是一个最简示例，朗读一句中英文混合的话。

import pyttsx3

def text_to_speech(text, rate=160, volume=1.0):
    # 初始化引擎
    engine = pyttsx3.init()
    
    # 设置语速 (默认200，建议120-180)
    engine.setProperty('rate', rate)  
    
    # 设置音量 (0.0~1.0)
    engine.setProperty('volume', volume)
    
    # 设置中文语音（需要系统已安装中文语音包）
    voices = engine.getProperty('voices')
    for voice in voices:
        if "chinese" in voice.name.lower():  # 根据系统语音名称匹配
            engine.setProperty('voice', voice.id)
            break
    
    # 播报文本
    engine.say(text)
    engine.runAndWait()

# 使用示例
text_to_speech("hello world，欢迎使用pyttsx3！")

运行这段代码，如果你的电脑有扬声器，就能听到语音了。

代码解释

• pyttsx3.init()：初始化语音引擎。
• setProperty('rate', ...)：设置语速，数值越大越快，一般 120~180 比较自然。
• setProperty('volume', ...)：音量，范围 0.0~1.0。
• getProperty('voices')：获取系统所有可用的语音。我们遍历找到包含“chinese”的语音，设为中文发音。如果找不到，就会用默认语音（通常是英文），读中文会很不自然。
• engine.say(text)：把文本加入朗读队列。
• engine.runAndWait()：开始朗读，并等待朗读结束。

4. 进阶功能：保存为音频文件

有时候我们不需要立即播放，而是想把语音存成文件，比如用在视频配音、自动生成音频内容。pyttsx3 可以轻松做到：

import pyttsx3

def text_to_speech_file(text, filename='output.wav', rate=160, volume=1.0):
    engine = pyttsx3.init()
    engine.setProperty('rate', rate)
    engine.setProperty('volume', volume)
    
    # 设置中文语音
    voices = engine.getProperty('voices')
    for voice in voices:
        if "chinese" in voice.name.lower():
            engine.setProperty('voice', voice.id)
            break
    
    # 保存到文件
    engine.save_to_file(text, filename)
    engine.runAndWait()
    print(f"音频已保存到 {filename}")

# 使用示例
text_to_speech_file("这是一段保存成文件的语音。", "test.wav")

保存后，你就可以用任何播放器播放这个 .wav 文件。

5. 避坑指南（非常重要！）

5.1 必须有扬声器/功放才能听到声音？

不一定。如果只是保存文件，不需要扬声器。但如果直接调用 engine.say()，程序会试图通过系统的音频设备播放，这时必须确保有可用的音频输出设备（比如耳机、音箱）。如果服务器没有声卡（很多云服务器都没有），播放会失败或无声。

解决方案：在服务器环境，始终使用 save_to_file 保存文件，然后把文件传给前端播放，或者用其他工具播放。

5.2 Linux / Windows Server 无法直接播放怎么办？

• Windows Server：默认可能没有启用音频服务，或者没有声卡驱动。即使安装了语音包，调用 engine.say() 也可能没声音。建议使用 save_to_file 生成文件，然后用浏览器或其它设备播放。
• Linux：需要安装 espeak 或其他 TTS 后端，并且确保有音频输出（比如 ALSA 配置）。如果只是生成文件，可以不用音频设备，直接用 save_to_file。

5.3 相同文字重复合成浪费资源

如果你经常需要朗读相同的文字（比如固定的提示语），每次都重新合成会消耗 CPU 和时间。可以做一个简单的缓存：第一次合成后把音频文件保存下来，下次遇到相同文字直接返回文件。

示例缓存实现：

import os
import hashlib

def text_to_speech_cached(text, cache_dir='tts_cache'):
    # 创建缓存目录
    os.makedirs(cache_dir, exist_ok=True)
    # 根据文本生成文件名（哈希）
    hash_value = hashlib.md5(text.encode('utf-8')).hexdigest()
    filename = os.path.join(cache_dir, f'{hash_value}.wav')
    
    if os.path.exists(filename):
        print("使用缓存的音频文件")
        return filename
    else:
        print("合成新的音频文件")
        text_to_speech_file(text, filename)
        return filename

# 使用示例
file1 = text_to_speech_cached("你好，欢迎光临")
file2 = text_to_speech_cached("你好，欢迎光临")  # 第二次直接返回缓存文件

这样既节省时间，又避免重复合成。

5.4 中文语音包问题

• Windows：系统自带“Microsoft Huihui”或“Microsoft Xiaoxiao”等中文语音。如果没有，可以进入“语音设置”添加中文语音包。
• Linux：一般通过 espeak 提供，但 espeak 的中文发音比较机械。可以安装 espeak-ng 并配置中文，或者使用其他 TTS 引擎（如 Festival、Mimic）。
• macOS：系统自带中文语音（Ting-Ting 等），一般可以直接使用。

如果你运行代码时没有听到中文，可以打印所有可用语音，看看是否有中文：

engine = pyttsx3.init()
voices = engine.getProperty('voices')
for v in voices:
    print(v.name, v.id)

根据打印结果，手动选择一个中文语音的 id 设置。

6. 总结

pyttsx3 是一个简单又强大的离线 TTS 库，非常适合 Python 开发者快速实现语音功能。通过本文，你应该已经掌握了：

• 基本朗读功能
• 保存为音频文件
• 缓存机制避免重复合成
• 常见问题及解决方法

赶快动手试试吧！如果你在服务器上运行，记得用保存文件的方式；如果希望中文更自然，可以安装更高质量的语音包（比如 Windows 上的自然语音）。欢迎在评论区交流你的应用场景和遇到的坑～

以上就是Python使用pyttsx3实现文本朗读功能的详细教程及避坑指南的详细内容，更多关于Python pyttsx3文本朗读功能的资料请关注脚本之家其它相关文章！

最新评论