Google 文本转语音（gTTS）

gTTS 是一个 Python 库，利用 Google 的 Text-to-Speech API 将文本转换为语音。该库免费使用，且无需 API 密钥。

安装

pip install gtts pydub

pydub 可用于音频文件的处理与拼接。

基础用法

from gtts import gTTS

# 生成语音
tts = gTTS(text="Hello, world!", lang='en')

# 保存为文件
tts.save("output.mp3")

语言选项

# 美式英语（默认）
tts = gTTS(text="Hello", lang='en')

# 英式英语
tts = gTTS(text="Hello", lang='en', tld='co.uk')

# 放慢语速
tts = gTTS(text="Hello", lang='en', slow=True)

长文本的 Python 示例

from gtts import gTTS
from pydub import AudioSegment
import tempfile
import os
import re

def chunk_text(text, max_chars=4500):
    """按句子边界将文本切分为多个片段。"""
    sentences = re.split(r'(?<=[.!?])\s+', text)
    chunks = []
    current_chunk = ""

    for sentence in sentences:
        if len(current_chunk) + len(sentence) < max_chars:
            current_chunk += sentence + " "
        else:
            if current_chunk:
                chunks.append(current_chunk.strip())
            current_chunk = sentence + " "

    if current_chunk:
        chunks.append(current_chunk.strip())

    return chunks


def text_to_audiobook(text, output_path):
    """将长文本合成为单个音频文件。"""
    chunks = chunk_text(text)
    audio_segments = []

    for i, chunk in enumerate(chunks):
        # 为此片段创建临时文件
        with tempfile.NamedTemporaryFile(suffix='.mp3', delete=False) as tmp:
            tmp_path = tmp.name

        # 生成语音
        tts = gTTS(text=chunk, lang='en', slow=False)
        tts.save(tmp_path)

        # 加载并追加
        segment = AudioSegment.from_mp3(tmp_path)
        audio_segments.append(segment)

        # 清理临时文件
        os.unlink(tmp_path)

    # 拼接所有片段
    combined = audio_segments[0]
    for segment in audio_segments[1:]:
        combined += segment

    # 导出结果
    combined.export(output_path, format="mp3")

处理大型文档

gTTS 单次请求存在字符数限制（约 5000 字符）。对于长文档，请按以下步骤操作：

1. 在句子边界处分割文本
2. 对每个片段分别调用 gTTS 生成音频
3. 使用 pydub 将各音频片段拼接为完整音频

替代方案：使用 ffmpeg 进行拼接

如更倾向使用 ffmpeg 而非 pydub：

# 创建文件列表
echo "file 'chunk1.mp3'" > files.txt
echo "file 'chunk2.mp3'" >> files.txt

# 拼接音频
ffmpeg -f concat -safe 0 -i files.txt -c copy output.mp3

最佳实践

• 务必在句子边界处分割文本，避免单词被截断
• 使用 slow=False 以获得更自然的语速
• 妥善处理网络异常（gTTS 依赖互联网连接）
• 可考虑在章节或小节之间加入短暂静音间隔

局限性

• 需联网使用（依赖 Google 服务器）
• 语音质量良好，但不及付费服务自然
• 语音定制选项有限
• 高频次调用时可能存在速率限制