Windowsでお手軽Text to SpeechするPython

4442 ワード
TextToSpeech Python Python テキストリンク

環境

> ver
Microsoft Windows [Version 10.0.19042.868]
> python --version
Python 3.9.1
>jupyter lab --version
3.0.7

最近1日1回はAdoを聴いています。

import win32com.client
speaker = win32com.client.Dispatch('SAPI.SpVoice')
speaker.Speak('正しさとは、愚かさとは、それが何か見せつけてやる')

歌ってくれませんが喋ります。意外と大きな声でびっくりする場合があります。

小声で早口にしてもらいます(音量30%、速さの段階4)。

speaker.Volume = 30 # [0 to 100]
speaker.Rate = 4 # [-10 to 10]
speaker.Speak('正しさとは、愚かさとは、それが何か見せつけてやる')

速さ6にするとあまり聞こえなくなってきます。速さ10は速すぎて聞き取れません。音量0も当然小さすぎて聞き取れません。

応用として現在時刻を喋らせてみるには次のとおりです。

import datetime
speaker.Speak(datetime.datetime.now().strftime('%H時%M分です'))

しゃべる時計アプリも簡単に作れますね。

ファイルに書き込むにはこうします。Jupyterを使っているならブラウザ上で何度も再生が試せます。

from comtypes.client import CreateObject
engine = CreateObject('SAPI.SpVoice')
stream = CreateObject('SAPI.SpFileStream')

from comtypes.gen import SpeechLib
stream.Open('tts.wav', SpeechLib.SSFMCreateForWrite)
engine.AudioOutputStream = stream
engine.speak('正しさとは、愚かさとは、それが何か見せつけてやる')
stream.close()

from IPython.display import Audio
Audio('tts.wav')

動作イメージ

Rateをいじると再生時間が短くなっています。音声ファイルや動画もQiitaに貼れるようになると良いなぁ。