离线语音交互技术路线之语音合成(TTS)篇-Toy模板网

这篇具有很好参考价值的文章主要介绍了离线语音交互技术路线之语音合成(TTS)篇。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

在ChatGPT大行其道之际，我心血来潮想要研究研究如何实现离线语音交互，把它和ChatGPT相结合，自己尝试实现个语音助手玩玩。本篇文章主要先从整体上分析了离线语音交互的技术实现路线，以及每个环节可能用到的参考技术，然后详细阐述了其中一个环节：语音合成（TTS）的实现方案。

1. 离线语音交互技术路线

离线语音交互技术路线之语音合成(TTS)篇
如图所示，离线语音交互主要由以下几个流程组成：

关键词唤醒：类似于“小爱同学”这样的唤醒指令，可用参考技术：Snowboy；
获取语音：通过麦克风等收音设备将声音记录为音频文件或数字信号，可用参考技术：speech_recognition；
语音识别（ASR）：将音频转换为文本，可用参考技术：Speechbrain；
语义识别（NLP）：将人类能够理解的文本转化为计算机可以理解的数据，可用参考技术：NNLM等各类NLP模型；
应用层：可以通过理解指令控制设备（例如智能家居），或与chatbot（例如ChatGPT）进行交流
语音合成（TTS）：将文本合成为人类语音（例如导航APP中的人声合成），可用参考技术：pyttsx3。

2. 语音合成（TTS）的实现方案

pyttsx3能够实现将文本合成为人类语音（例如导航APP中的人声合成），详见 pyttsx3官方技术文档。

简单测试：

import pyttsx3
text = """
这是一段测试文本。
"""
pyttsx3.speak(text)

详细使用例程：文章来源地址https://www.toymoban.com/news/detail-485622.html

import pyttsx3
text = """
这是一段测试文本。
"""
engine = pyttsx3.init()  # 初始化语音引擎
# 设置语音合成器
voices = engine.getProperty('voices')  # 获取当前设备支持的语音合成器列表
engine.setProperty('voice',voices[0].id)  # 设置第一个语音合成器
# 设置语速
rate = engine.getProperty('rate')  # 获取当前语速
engine.setProperty('rate', 200)  # 设置语速
# 设置音量
volume = engine.getProperty('volume')  # 获取当前音量
engine.setProperty('volume',1.0)  # 设置音量，范围为0.0-1.0  默认值为1.0

engine.say(text)  # 合成语音
engine.save_to_file(text,'test.mp3')  # 保存语音为音频文件
engine.runAndWait()
engine.stop()  # 关闭语言引擎