文本转换成语音

Posted 2020-10-27

“让别人读书给你听”，在某些情况下是一种需求。从程序员的角度来说，就是要把“人”换成“程序”，让程序来朗读文字。满足这个需求的关键技术点，是“文本转换成语音”，简称TTS。

这次介绍的，并不是TTS实现的原理，而是TTS的应用，也就是基于特定的库或开源项目的使用。对于原理的东西，小程在准备好理论的知识后再尝试讲解清楚。

TTS的实现，有不少项目，这里介绍的是eSpeak。

本文介绍如何通过eSpeak来实现文本转换成语音的功能。

eSpeak是一个语音生成（合成）器，它的官网地址是：
<http://espeak.sourceforge.net/>;

在官网上，可以看到eSpeak的介绍是这样的：

eSpeak的可执行程序的下载页面是：
<http://espeak.sourceforge.net/download.html>;

在下载页面选择相应平台的程序包，下载，解压后，可以看到这样的程序目录结构：

小程下载的是mac平台的eSpeak-1.45.04版本。

在执行eSpeak之前，有什么准备工作要做吗？小程觉得，有几个知识点是要注意到的：

* 在eSpeak目录下面找到speek，这个是命令行的可执行程序，通过运行它来实现功能。读者也可以给它设置一个环境变量，这样就可以在任何路径都能执行到这个程序。

* 目录espeak-data，是语音包，支持什么语言，就看这个目录下面有什么内容了。

* 执行speek程序时，可以用参数--path来指定speek使用的语音包，如果没有指定，则默认在/usr/share目录下面查找espeak-data，如果找不到会提示出错。

* 读者需要安装portaudio，因为eSpeak依赖这个库。小程在装备其它环境时，就已经顺带安装过portaudio了，读者可以按照下面这个引导来安装portaudio：

portaudio是一个跨平台的音频输入输出库。在安装portaudio之前，如果是在macos上，则先要安装好xcode，并且保证“command line developer tools”已经安装上，因为需要使用xcode的编译器来make install。可以使用命令xcode-select --install来检测是否已经安装好command line developer tools，如果没有就按提示安装。

然后用brew来安装portaudio：
brew install portaudio

其中，espeak-data是语音包。小程再重点介绍下它里面的内容，可以参考下面几个eSpeak程序目录的截图：

一切准备就绪之后，就可以执行speak命令行程序了。

speak的功能，就是把文本读出来，或把“读出来”的语音保存成wav文件。

至于，读什么文本（从哪里读）、以什么语言读、以什么语速读（等等），都可以通过参数来设置。

可以先看一下eSpeak有什么样的参数（./speak -h）：

了解这些参数后，就可以执行speak来“朗读”了，比如：

./speak -stdout "1 2 3 4 5 6 7" --path="./" -s 200 -v zh+f5
表示以中文女声来数数，指定了语音包的位置，以及朗读的速度。

再比如这些命令的截图：

小程在macos上，下载下来的espeak，默认就支持中文语音即zh。但对于粤语，虽然在语音包中有zh-yue文件，但执行时听不到声音（espeak-1.45.04版本），小程没有细究其中的原因。

最后，小程先让eSpeak“读出”一个wav文件，再让读者听一听，命令如下：

./speak -stdio "1 2 3 4 5 6 7 多劳多得！欢迎关注广州小程微信公众号" --path="./" -s 140 -v zh+f5 -w "welcome.wav"

读者如果是在微信公众号（广州小程）打开这篇文章，那可以听一下以下的wav文件（小程上传的文件）。

---

总结一下，本文介绍了如何使用eSpeak来做到“读出”文本，主要是一些参数的了解与使用，难度系数为低。