Python 文字转语音：使用 pyttsx3 实现文本朗读与避坑指南

3. 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。

4. 避坑指南（非常重要！）

4.1 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。

4.2 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。

4.3 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。

4.4 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。

5. 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

如果在服务器上运行，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）。