python把PDF念給你聽

1. 轉語音工具

微信讀書有一個功能，可以將書里的文字轉換為音頻，而且聲音優化的不錯，比傳統的機械朗讀聽起來舒服很多。

記得之前看到過Python有一個工具包，可以將文字轉換為語音，支持英文和中文，而且可以調節語速語調、導出mp3等。

去Github查了下，這個庫叫：pyttsx3

簡單來說，pyttsx3可以文字轉語音，而且是離線工作的，這一點就很實用。

安裝比較容易，直接在命令行用pip安裝：

pip install pyttsx3

1

我準備動手試試，將PDF書籍轉成音頻。

我們任選一本pdf電子書。

2. PDF轉文本

既然是把PDF轉化成語音，肯定是需要先讀取PDF中的文字，再利用pyttsx3轉語音。

Python中操作PDF的工具庫主要是PyPDF2，但發現編碼實在有點繁瑣，我就換了另一個庫pdfplumber，與PyPDF2語法類似，用起來還算流暢。

pdfplumber可以處理PDF包括文本、表格、格式在內的各種信息，小而強大。

# 讀取PDF文檔 pdf = pdfplumber.open("價值.pdf") # 獲取頁數 print("總頁數：",len(pdf.pages)) print("-----------------------------------------") # 讀取第4頁 first_page = pdf.pages[3] print("本頁：",first_page.page_number+1) print("-----------------------------------------") # 導出第4頁文本 text = first_page.extract_text() print(text)

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

輸出：

上面的代碼做了幾件事情： 「讀取PDF文檔、讀取頁數、讀取第4頁、輸出第4頁文本」

3. 文本轉語音

接下來開始將第4頁的文本轉化為音頻。

import pyttsx3 # 初始化來獲取語音引擎 engine = pyttsx3.init() # 去掉文本中的換行符 text = text.replace('\n','') # 朗讀文本 engine.say(text) engine.runAndWait()

1

2

3

4

5

6

7

8

9

10

11

上面代碼使用pyttsx3將文本轉化為音頻，然后朗讀出來。我是在jupyter notebook上做實驗的，代碼執行后，電腦會直接朗讀。

也可以將生成的音頻保存為mp3格式。

# 保存音頻到本地，格式為mp3 engine.save_to_file(text, 'test.mp3') engine.runAndWait()

1

2

3

當然你還可以調整聲音的類型、速度、大小。

# 調整人聲類型 voices = engine.getProperty('voices') engine.setProperty('voice', voices[0].id) # 調整語速,范圍一般在0~500之間 rate = engine.getProperty('rate') engine.setProperty('rate', 200) # 調整聲量，范圍在0~1之間 volume = engine.getProperty('volume') engine.setProperty('volume',0.8)

1

2

3

4

5

6

7

8

9

10

11

整體還是比較流暢的，雖然不如微信讀書語音聽著那般舒服，但做做小工具還是不錯的。

4. 文本轉語音

從微信下載下來的語音是 mp3 格式的，想調用百度語音 api，發現不支持 mp3，支持 wav。

準備：

需要安裝 pydub 庫，直接pip install pydub就好了。

還需要安裝 ffmpeg.exe 文件，然后再配置一下就好了，請看：

ffmpeg.exe 的安裝及配置，與常見問題

原理：

讀取 mp3 音頻的波形數據，然后再寫入 wav 文件。

from pydub import AudioSegment import wave # 讀取mp3的波形數據 sound = AudioSegment.from_file("666.mp3", format = 'MP3') # 將讀取的波形數據轉化為wav f = wave.open("777.wav", 'wb') f.setnchannels(1) # 頻道數 f.setsampwidth(2) # 量化位數 f.setframerate(16000) # 取樣頻率 f.setnframes(len(sound._data)) # 取樣點數，波形數據的長度 f.writeframes(sound._data) # 寫入波形數據 f.close()

1

2

3

4

5

6

7

8

9

10

11

12

13

14

運行效果圖：

原 mp3 只有 2k 左右，轉化后 31.5k，聽著效果跟原音頻沒有差別，保真度很高！

Python 語音通話

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。