《自然语言处理技术》实训指导实训18 语音合成.docxVIP

项目6熟悉常见语音处理技术

——语音合成

实训目标

掌握通过pyttsx3库中的init()方法构建TTS引擎对象。

掌握pyttsx3库中的TTS引擎参数设置。

掌握利用librosa库合成语音并通过Matplotlib库实现可视化。

实训环境

环境

版本

说明

Windows10

64

电脑操作系统

Python

3.8.5

Python语言版本

pandas

1.3.0

主要用于数据读取、清洗等操作

NumPy

1.21.6

主要用于Python中的数值计算

jieba

0.42.1

主要用于文本分词

Gensim

4.2.0

主要用于检索文本、计算文本相似度、训练词向量、建模主题等

Matplotlib

3.3.0

主要用于数据可视化

PaddlePaddle

2.4.2

是一个深度学习框架，提供了高效的计算框架和优化算法

PaddleSpeech

1.2.0

主要用于语音和音频中的各种关键任务的开发

scikit-learn

1.0.2

广泛地用于统计分析和机器学习建模等数据科学领域

Librosa

0.8.1

主要用于分析一般的音频信号，是一个非常强大的Python语音信号处理的第三方库

NLTK

3.5

是一个常用的自然语言处理工具包，可用于文本处理、语义分析、词性标注等

SciPy

1.7.3

是一个科学计算工具包，可用于数学、科学、工程学等领域

pyttsx3

2.9.0

主要用于将文本转换成语音

实训说明

SAPI（SpeechApplicationProgrammingInterface）是微软开发的一种语音合成和语音识别技术，将文本转换成语音的过程，也称为文本到语音（Text-to-Speech，TTS）合成。SAPI能将文本转换为语音，支持多种语音合成引擎，兼容多种语音格式以及文本格式。SAPI的工作流程如REF_Ref133087564\h图31所示。

图STYLEREF2\s3SEQ图\*ARABIC\s21SAPI工作流程图

SAPI工作的具体步骤如下。

文本预处理。SAPI对输入的文本进行预处理，包括断句、分词、词性标注等操作，这些操作有助于识别和解析文本中的语法结构、特殊字符、缩略词等。

文本规范化。在此阶段中，SAPI会将文本中的数字、日期、时间、缩略词等非标准文本转换成标准文本。例如，将“3月23日”转换为“三月二十三日”。

语音合成。SAPI将标准化的文本转换为音素序列。音素是语言中最小的发音单位，可以看作是音位的具体发音。

在Python中可以通过pyttsx3库快速调用SAPI接口实现语音合成，一般流程如REF_Ref131238570\h图32所示。

图STYLEREF2\s3SEQ图\*ARABIC\s22调用SAPI接口流程图

实训步骤

构建pyttsx3的TTS引擎

构建pyttsx3引擎对象，如REF_Ref133087596\h代码41所示。

代码STYLEREF2\s4SEQ代码\*ARABIC\s21构建TTS引擎对象

#导入pyttsx3库

importpyttsx3

#使用pyttsx3库中的init()方法创建一个TTS引擎对象

engine=pyttsx3.init()

设置TTS引擎参数

对TTS引擎参数，如语音速度、音量和语音进行设置，如REF_Ref130742880\h代码42所示。

代码STYLEREF2\s4SEQ代码\*ARABIC\s22设置TTS引擎参数

语速

engine.setProperty(rate,100)#重设语速

rate=engine.getProperty(rate)#获取当前语速的详细信息

print(当前语速：,rate)#打印当前语速

engine.setProperty(rate,90)#重设语速

rate=engine.getProperty(rate)#获取当前语速的详细信息

print(重设语速：,rate)#打印重设语速

音量

engine.setProperty(volume,1.0)#在0~1之间重设音量

volume=engine.getProperty(volume)#获取当前音量（最小为0，最大为1）

print(当前音量：,volume)#打印当前音量

engine.setProperty(volume,0.9)#在0~1之间重设音量

volume=engine.getProperty(volume)#获取当前音量（最小为0，最大为1）

p