### Python 中实现语音转文字和文字转语音的功能 #### 1. 文字转语音 (TTS) 功能实现 在 Python 中，可以使用多个库来实现文字转语音功能。以下是几种推荐的库及其特点： - **gTTS (Google Text-to-Speech)** gTTS 是一个简单易用的库，它利用 Google Translate 的 TTS API 将文本转换为语音文件[^1]。它可以生成 MP3 文件并保存到本地磁盘中。 使用 gTTS 的示例代码如下： ```python from gtts import gTTS import os def text_to_speech(text, output_path="output.mp3"): tts = gTTS(text=text, lang='en') tts.save(output_path) print(f"Audio saved to {output_path}") ``` - **pyttsx3** pyttsx3 是另一个流行的 TTS 库，支持在线和离线模式下的语音合成[^2]。它的优点在于不需要网络连接即可运行，并且允许自定义声音参数（如语速、音量等）。 示例代码： ```python import pyttsx3 def text_to_speech_pyttsx3(text): engine = pyttsx3.init() engine.say(text) engine.runAndWait() ``` #### 2. 语音转文字 (ASR) 功能实现 对于语音转文字功能，Python 社区也提供了丰富的资源和支持。以下是一些常用的库或框架： - **speech_recognition** `speech_recognition` 是一个非常流行且易于使用的库，适用于各种语音识别任务[^3]。它支持多种音频输入方式（麦克风录制、预录音频文件），并通过调用外部服务（如 Google Web Speech API）完成语音转文字的操作。 示例代码： ```python import speech_recognition as sr def recognize_audio_from_file(file_path): recognizer = sr.Recognizer() with sr.AudioFile(file_path) as source: audio_data = recognizer.record(source) try: text = recognizer.recognize_google(audio_data, language="zh-CN") # 支持中文 return text except sr.UnknownValueError: return "无法理解音频" except sr.RequestError as e: return f"请求错误: {e}" ``` - **Vosk** Vosk 是一款完全开源的离线语音识别工具，特别适合需要保护隐私的应用场景[^4]。相比其他依赖于云端的服务而言，Vosk 不仅速度快而且更加安全可靠。 示例代码： ```python from vosk import Model, KaldiRecognizer import wave def transcribe_with_vosk(wav_file): model = Model(lang="zh-cn") # 加载模型 wf = wave.open(wav_file, "rb") rec = KaldiRecognizer(model, wf.getframerate()) while True: data = wf.readframes(4000) if len(data) == 0: break if rec.AcceptWaveform(data): result = eval(rec.Result())["text"] yield result final_result = eval(rec.FinalResult())["text"] yield final_result ``` --- ###