腾讯云语音合成工具

这是一个使用腾讯云 TTS（文本转语音）服务的应用程序，可以将文本转换为多种格式的音频文件。项目提供了图形用户界面(GUI)和命令行工具两种使用方式。

功能特点

• 使用腾讯云 TTS API 进行高质量语音合成
• 支持多种音色选择（通过图形界面直观选择或通过音色ID指定）
• 自动将长文本分段处理，保持语句完整性
• 支持多种输出格式（WAV, MP3, AAC, M4A, OGG, FLAC等）
• 可指定输出路径和文件名
• 图形界面支持音色试听和播放合成后的语音
• 提供语速、音量等参数调整

安装和设置

前提条件

• Python 3.6 或更高版本
• FFmpeg（用于音频处理）
  • 官方下载地址：https://ffmpeg.org/download.html
• 腾讯云账号及 TTS 服务的访问凭证

  • 注册腾讯云账号：

    1. 访问 腾讯云官网 并点击右上角的"注册"按钮
    2. 按照指引完成账号注册和实名认证

  • 开通腾讯云 TTS 服务：

    1. 登录腾讯云控制台
    2. 在搜索栏中搜索"语音合成"或直接访问 语音合成控制台
    3. 按照提示开通服务（新用户通常有免费额度）
    4. 当然，其实你可以直接在线合成，还可以听听不同音色的差别:在线合成.这个项目只是众多流程的一个小步骤所以我用脚本合成比较方便。

  • 获取访问凭证（SecretId 和 SecretKey）：

    1. 访问 API密钥管理
    2. 点击"新建密钥"按钮创建一对新的SecretId和SecretKey，或使用已有的密钥
    3. 将获取到的SecretId和SecretKey保存好，用于后续配置

    

  • 查看服务配额和计费信息：

    1. 在 语音合成控制台 可查看当前的用量和剩余免费额度
    2. 了解 计费规则，避免产生意外费用

    

安装步骤

1. 克隆或下载本项目到本地

2. 安装所需的Python依赖：

   pip install -r requirements.txt
   

3. 确保FFmpeg已安装并可在系统路径中找到，或将其放置在项目的Softwares/ffmpeg/目录下

4. 在Config目录下创建腾讯云凭证文件：

   • 创建tencent_cloud_secret_key.csv文件，包含您的SecretId和SecretKey
   • 创建tencent_cloud_voice_type.csv文件，包含音色ID和对应的名称（可选）

   CSV文件格式示例：

   SecretId,SecretKey
   your_secret_id,your_secret_key
   

使用方法

图形界面（推荐）

1. 启动图形界面：

   python tts_gui.py
   

   界面如下：

   

2. 界面功能：

   • 音色选择：左侧分类显示所有可用音色，点击选择需要的音色
   • 搜索过滤：通过搜索框、场景、性别和类型过滤器快速找到所需音色
   • 试听功能：鼠标悬停在音色头像上可显示播放按钮，点击试听该音色的示例音频
   • 文本输入：在右侧文本框输入需要合成的文本
   • 参数调整：调节语速和音量滑块设置合成参数
   • 合成控制：点击"合成语音"按钮开始合成，合成完成后会自动播放
   • 播放控制：使用进度条和播放/暂停按钮控制音频播放
   • 文件管理：点击文件夹图标可打开音频保存目录
   • 声音克隆：声音克隆功能正在开发中（Beta）

3. 合成的音频文件将自动保存在项目根目录的Audios文件夹中，文件名格式为"音色名称_时间戳.wav"

命令行工具

python audio_generator.py -f <文本文件路径> [-o <输出文件路径>] [-v <音色ID>]

参数说明

• -f, --file: 必需参数，指定要转换为语音的文本文件路径
• -o, --output: 可选参数，指定输出文件的完整路径和格式（通过文件后缀决定格式，如：output.mp3）。如果不指定，将在输入文件的同一目录下生成同名但后缀为.wav的音频文件
• -v, --voice: 可选参数，指定腾讯云的音色ID，默认为101011，音色ID和对应的角色可查看config/tencent_cloud_voice_type.csv,也可以在线试听

支持的输出格式

• WAV (默认格式)
• MP3
• AAC/M4A
• OGG
• FLAC
• 其他FFmpeg支持的格式

示例

1. 基本使用（默认在输入文件同目录下输出同名.wav文件）：

   python audio_generator.py -f Text/my_text.txt
   

   这将生成 Text/my_text.wav 文件

2. 指定输出为MP3格式：

   python audio_generator.py -f Text/my_text.txt -o myaudio.mp3
   

3. 指定完整输出路径和格式：

   python audio_generator.py -f Text/my_text.txt -o C:/Users/MyName/Desktop/output.aac
   

4. 指定不同的音色：

   python audio_generator.py -f Text/my_text.txt -v 101016
   

项目结构

TecentCloud_Audio_generator\
├── audio_generator.py      # 命令行工具主程序
├── tts_gui.py              # 图形界面主程序
├── Config\                 # 配置文件目录
│   ├── tencent_cloud_secret_key.csv  # API密钥配置
│   └── tencent_cloud_voice_type.csv  # 音色信息配置
├── Resources\              # GUI资源文件（图标等）
├── AudioResources\         # 音色示例音频目录
│   ├── 标准音色\
│   ├── 大模型音色\
│   └── 精品音色\
├── Audios\                 # 合成音频输出目录
└── Softwares\              # 第三方软件目录
    └── ffmpeg\
      ├── ffmpeg.exe

注意事项

• 本项目不包含腾讯云密钥，请自行配置！
• 文本文件请使用UTF-8编码
• 确保有足够的磁盘空间用于临时文件和最终输出
• 长文本会被自动分段处理，每段不超过150字符
• 使用腾讯云服务可能产生费用，请参考腾讯云的计费规则
• GUI界面要求PyQt5和QFluentWidgets库支持

开发计划

• 命令行工具基础功能
• 图形界面基础功能
• 音色选择和分类功能
• 音色试听功能
• 音频播放控制
• 声音克隆功能
• 合成批量处理
• 更多音频格式支持
• 云端音色库更新

故障排除

"系统找不到指定的文件"错误

如果遇到"语音合成失败: [WinError 2] 系统找不到指定的文件"错误，请检查以下几点：

1. 配置文件名称：

   • 确保在Config目录下创建了正确名称的配置文件：
     • tencent_cloud_secret_key.csv
     • tencent_cloud_voice_type.csv

2. 目录结构：

   • 确保项目目录结构正确，参考上述"项目结构"部分

3. 权限问题：

   • 确保程序有权限访问所有必要的文件和目录
   • 尝试以管理员身份运行命令提示符或PowerShell

4. 其他问题

   • 腾讯云语音相关问题请访问：https://cloud.tencent.com/document/product/1073/34090