Python 文字轉語音 (TTS) 實作：基於 SAPI 5 與 pyTTS

在 Windows 平台上，可利用 Microsoft Speech API (SAPI 5) 實現文字轉語音。本文介紹 pyTTS 封裝庫的使用方法，涵蓋語速、音量、語音選擇、語音輸出檔案與發音校正。

環境準備 (Windows)

1. 安裝 SAPI 5.1 執行環境（Windows XP 內建，較舊系統需下載 SAPI5SpeechInstaller.msi）。
2. 安裝 pywin32：pip install pywin32
3. 安裝 pyTTS：需從 SourceForge 下載 pyTTS-3.0.win32-py2.4.exe（較舊，Python 2 專用）。

注意：pyTTS 早已停止維護，現代專案建議使用跨平台的 pyttsx3、gTTS (Google) 或 edge-tts (Microsoft Edge)。

基礎使用範例

import pyTTS
import time

tts = pyTTS.Create()

# 設定語速 (-10 到 10)
tts.Rate = 1
print("語速:", tts.Rate)

# 設定音量 (0-100%)
tts.Volume = 90
print("音量:", tts.Volume)

# 列出可用語音
print("語音列表:", tts.GetVoiceNames())

# 選擇語音
tts.SetVoiceByName('MSMary')  # 英文女聲
# 中文系統可能有 'Microsoft Huihui' 等

# 直接朗讀
tts.Speak("Hello, this is a test.")

# 朗讀並存成 WAV 檔
tts.SpeakToWave('output.wav', "This will be saved to file.")

# 從 WAV 檔播放
tts.SpeakFromWave('output.wav')

進階功能：發音校正

# 建立發音校正器
p = pyTTS.Pronounce()

# 註冊難發音詞彙對照
p.AddMisspelled('Ctrl', 'Control')
p.AddMisspelled(' * ', ' times ')  # 需含空格避免誤替換

# 校正並朗讀
text = "Please press the Ctrl key! 2 * 3 = 6"
corrected = p.Correct(text)
print("校正後:", corrected)
# Please press the Control key! 2 times 3 = 6
tts.Speak(corrected)

完整示範腳本

# -*- coding: utf-8 -*-
import pyTTS
import time

tts = pyTTS.Create()
tts.Rate = 1
tts.Volume = 90
tts.SetVoiceByName('MSMary')

# 1. 朗讀日期時間
time_str = "The date and time is " + time.asctime()
tts.Speak(time_str)

# 2. 朗讀長段落
story = """A young executive was leaving the office at 6 pm when he found the CEO 
standing in front of a shredder..."""
tts.Speak(story)
tts.Speak('Haah haa haah haa')  # 笑聲

# 3. 發音替換示範
p = pyTTS.Pronounce()
p.AddMisspelled('Ctrl', 'Control')
p.AddMisspelled(' * ', 'times')
tts.Speak(p.Correct('Please press the Ctrl key!'))
tts.Speak(p.Correct('2 * 3 = 6'))

# 4. 語速變化
tts.Rate = 3
for i in range(7):
    tts.Speak("The sinking steamer sunk!")
    time.sleep(0.3)
tts.Rate = 0
tts.Speak("Wow, not one mispronounced word!")

現代替代方案推薦

1. pyttsx3 (離線、跨平台、無依賴)

import pyttsx3
engine = pyttsx3.init()
engine.setProperty('rate', 150)
engine.setProperty('volume', 0.9)
voices = engine.getProperty('voices')
for v in voices:
    print(v.id, v.name)
engine.say("Hello World")
engine.runAndWait()

2. gTTS (Google 線上、自然語音、需網路)

from gtts import gTTS
tts = gTTS(text="你好，世界", lang='zh-tw')
tts.save('hello.mp3')
# 播放需外部播放器

3. edge-tts (Microsoft Edge 線上、高品質中文、免費)

# pip install edge-tts
import asyncio
import edge_tts

async def main():
    communicate = edge_tts.Communicate("你好，世界", "zh-TW-HsiaoChenNeural")
    await communicate.save("hello.mp3")

asyncio.run(main())

比較總結