python把PDF念给你听
1. 转语音工具
微信读书有一个功能,可以将书里的文字转换为音频,而且声音优化的不错,比传统的机械朗读听起来舒服很多。
记得之前看到过Python有一个工具包,可以将文字转换为语音,支持英文和中文,而且可以调节语速语调、导出mp3等。
去Github查了下,这个库叫:pyttsx3
简单来说,pyttsx3可以文字转语音,而且是离线工作的,这一点就很实用。
安装比较容易,直接在命令行用pip安装:
pip install pyttsx3
- 1
我准备动手试试,将PDF书籍转成音频。
我们任选一本pdf电子书。
2. PDF转文本
既然是把PDF转化成语音,肯定是需要先读取PDF中的文字,再利用pyttsx3转语音。
Python中操作PDF的工具库主要是PyPDF2,但发现编码实在有点繁琐,我就换了另一个库pdfplumber,与PyPDF2语法类似,用起来还算流畅。
pdfplumber可以处理PDF包括文本、表格、格式在内的各种信息,小而强大。
# 读取PDF文档
pdf = pdfplumber.open("价值.pdf")
# 获取页数
print("总页数:",len(pdf.pages))
print("-----------------------------------------")
# 读取第4页
first_page = pdf.pages[3]
print("本页:",first_page.page_number+1)
print("-----------------------------------------")
# 导出第4页文本
text = first_page.extract_text()
print(text)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
输出:
上面的代码做了几件事情: 「读取PDF文档、读取页数、读取第4页、输出第4页文本」
3. 文本转语音
接下来开始将第4页的文本转化为音频。
import pyttsx3
# 初始化来获取语音引擎
engine = pyttsx3.init()
# 去掉文本中的换行符
text = text.replace('\n','')
# 朗读文本
engine.say(text)
engine.runAndWait()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
上面代码使用pyttsx3将文本转化为音频,然后朗读出来。我是在jupyter notebook上做实验的,代码执行后,电脑会直接朗读。
也可以将生成的音频保存为mp3格式。
# 保存音频到本地,格式为mp3
engine.save_to_file(text, 'test.mp3')
engine.runAndWait()
- 1
- 2
- 3
当然你还可以调整声音的类型、速度、大小。
# 调整人声类型
voices = engine.getProperty('voices')
engine.setProperty('voice', voices[0].id)
# 调整语速,范围一般在0~500之间
rate = engine.getProperty('rate')
engine.setProperty('rate', 200)
# 调整声量,范围在0~1之间
volume = engine.getProperty('volume')
engine.setProperty('volume',0.8)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
整体还是比较流畅的,虽然不如微信读书语音听着那般舒服,但做做小工具还是不错的。
4. 文本转语音
从微信下载下来的语音是 mp3 格式的,想调用百度语音 api,发现不支持 mp3,支持 wav。
准备:
需要安装 pydub 库,直接pip install pydub
就好了。
还需要安装 ffmpeg.exe 文件,然后再配置一下就好了,请看:
ffmpeg.exe 的安装及配置,与常见问题
原理:
读取 mp3 音频的波形数据,然后再写入 wav 文件。
from pydub import AudioSegment
import wave
# 读取mp3的波形数据
sound = AudioSegment.from_file("666.mp3", format = 'MP3')
# 将读取的波形数据转化为wav
f = wave.open("777.wav", 'wb')
f.setnchannels(1) # 频道数
f.setsampwidth(2) # 量化位数
f.setframerate(16000) # 取样频率
f.setnframes(len(sound._data)) # 取样点数,波形数据的长度
f.writeframes(sound._data) # 写入波形数据
f.close()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
运行效果图:
原 mp3 只有 2k 左右,转化后 31.5k,听着效果跟原音频没有差别,保真度很高!
文章来源: blog.csdn.net,作者:irrationality,版权归原作者所有,如需转载,请联系作者。
原文链接:blog.csdn.net/weixin_54227557/article/details/122654886
- 点赞
- 收藏
- 关注作者
评论(0)