智能语音处理+1.3用SpeechLib实现文本转语音(100%教会)
欢迎来到智能语音处理系列的第三篇文章(用SpeechLib实现文本转语音)
这是前两篇文章的地址:
第一篇:智能语音处理+1.1下载需要的库(100%实现)-CSDN博客
第二篇:智能语音识别+1.2用SAPI实现文本转语音(100%教会)-CSDN博客
不好意思啊,各位读者，没把握好力度,原本预设的3篇文章,预计会多出两章.
请大家见谅,
一.简单介绍使用的库
comtypes 是另一个 Python 库，用于操作 Windows COM 对象，与 pywin32 类似，但实现方式不同。
SpeechLib 是 comtypes 自动生成的类型库（Type Library）用于访问 Windows 语音接口（如语音合成或识别）
pip install comtypes二.介绍导入的方法
CreateObject 的作用
-
- 创建 COM 对象实例：类似
win32com的Dispatch，但comtypes更强调静态类型绑定（需预先生成类型库）。
- 创建 COM 对象实例：类似
# CreateObject创建语音合成对象
from comtypes.client import CreateObject
# 创建语音合成引擎
voice = CreateObject("SAPI.SpVoice")
voice.Speak("Hello, world!") # 朗读文本这代码,我没试过,你们可以试着运行一下.(这里只是想介绍作用而已,并非为了实现效果)
SpeechLib 的作用
- 预生成的类型库：
comtypes需要先通过GetModule生成 COM 组件的 Python 接口定义，才能使用具体接口（如ISpVoice）。
from comtypes.client import GetModule
# 生成 SpeechLib 类型库（通常只需一次）
GetModule("SpeechLib.dll") # 生成后可从 comtypes.gen 导入这代码,我也没试过,你们可以试着运行一下.(这里只是想介绍作用而已,并非为了实现效果)
三.comtypes和win32对比
| 特性 | comtypes |
win32com (pywin32) |
|---|---|---|
| 类型绑定 | 静态类型（需生成类型库） | 动态调度（无需预生成） |
| 性能 | 更高（类型已知） | 较低（动态解析） |
| 接口支持 | 适合复杂接口（如自定义 COM 组件） | 适合简单自动化（如 Office） |
| 代码复杂度 | 较复杂（需生成类型库） | 较简单 |
四.正式的来实现效果(使用SpeechLib技术)
首先导入方法和库,并实例化engine类(调用语音转文本你的技术)和stream类(调用语音文件流的技术)
# 导入能调用复杂接口的方法CreateObject
from comtypes.client import CreateObject
# SpeechLib(此方法通过接口定义,才能使用具体的接口功能)
from comtypes.gen import SpeechLib
engine = CreateObject("SAPI.SpVoice")
stream = CreateObject('SAPI.SpFileStream')五.完整程序及代码注释
圆满结束,呜呼~
# 导入必要的 COM 类型库和生成接口
from comtypes.client import CreateObject
from comtypes.gen import SpeechLib # 使用预生成的 SpeechLib 类型库
# ----------------------------- 初始化 COM 对象 -----------------------------
# 创建语音合成引擎实例（使用 Windows 自带的 SAPI.SpVoice 接口）
engine = CreateObject("SAPI.SpVoice")
# 创建音频流对象（用于将语音输出到文件，接口为 SAPI.SpFileStream）
stream = CreateObject("SAPI.SpFileStream")
# ----------------------------- 文件路径配置 -----------------------------
# 指定要读取的文本文件路径（需要确保文件存在）
infile = 'demo.txt'
# 指定要输出的音频文件路径（格式通常为 .wav）
outfile = 'demo_audio.wav'
# ----------------------------- 配置音频输出流 -----------------------------
# 打开音频文件流，模式为写入（SpeechLib.SSFMCreateForWrite 表示创建新文件）
# SSFMCreateForWrite 是 SpeechLib 中定义的常量，值为 0x3（创建并写入）
stream.Open(outfile, SpeechLib.SSFMCreateForWrite)
# 将语音引擎的音频输出重定向到文件流（而不是默认的扬声器）
engine.AudioOutputStream = stream
# ----------------------------- 读取文本并合成语音 -----------------------------
# 打开文本文件并读取内容（假设文件编码为 utf-8）
with open(infile, 'r', encoding='utf-8') as f:
text = f.read()
# 调用语音引擎合成语音并输出到文件流
# Speak 方法的第二个参数指定标志位（SpeechLib.SPFDFactory 表示默认行为）
engine.Speak(text, SpeechLib.SPFD_Default) # SPFD_Default = 0
# ----------------------------- 清理资源 -----------------------------
# 关闭文件流（确保数据写入磁盘）
stream.Close()
# 释放 COM 对象（避免内存泄漏）
del engine
del stream