Пробую преобразование текста в речь на python. Использовал вариант через pyttsx3 и через win api win32com.client.Dispatch("SAPI.SpVoice")
. В целом реализация не сложная, но единственное не могу найти способ засунуть полученный объект в переменную, а точнее текст → аудио → аудио в переменной.
Подскажите варианты, или идеи, хотя бы, куда копать.
Пример через pyttsx3
:
import pyttsx3
engine = pyttsx3.init()
engine.save_to_file('Hello World' , 'test.mp3')
engine.runAndWait()
У этой библиотеки есть сохранение в файл, сама переменная engine
- это объект класса pyttsx3. Его нет смысла засовывать в переменную.
Второй вариант - через WinApi
:
speaker = win32com.client.Dispatch("SAPI.SpVoice")
text = "Введите текст, который вы хотели бы озвучить"
print(speaker.SpeakStream)
Тут получается воспроизвести текст с помощью встроенного в windows голоса. Но только лишь воспроизведение. Не пойму, как преобразовать объект speaker
в аудио.
В целом, вопрос такой - как с помощью python перевести речь в аудио, и это аудио засунуть в переменную, что бы дальше с ней работать. И условие таково, что необходимо использовать синтезатор самого ПК (библиотеки наподобие gTTS не подходят).