Python受欢迎的原因之一就是其计算生态丰富，据不完全统计，Python 目前为止有约13万+的第三方库。
本系列将会陆续整理分享一些有趣、有用的第三方库。
-
通过百度网盘获取：
链接：https://pan.baidu.com/s/1FSGLd7aI_UQlCQuovVHc_Q?pwd=mnsj提取码：mnsj
-
前往GitHub获取：
https://github.com/returu/Python_Ecosystempip install gTTShttps://github.com/pndurette/gTTSgTTS提供了命令行工具和Python库两种使用方式。
-
命令行使用：
gtts-cli [OPTIONS] <text>-
-f, –file <file>：从<file>读取，而不是<text>。 -
-o, –output <file>：写入<file>，而不是标准输出。 -
-s, –slow：读取速度更慢。 -
-l, –lang <lang>：IETF语言标签。指定语音语言。使用–all列出所有已记录的标签。默认值为‘en’。 -
–t, –tld <tld>：Google主机的顶级域名(例如https://translate.google.<tld>)。默认值为‘com’。 -
–nocheck：禁用严格的IETF语言标签检查，允许使用未记录的标签。 -
–all：打印所有已记录的IETF语言标签并退出。 -
–debug：显示调试信息。 -
–version：显示版本并退出。
# 列出可用语言：
gtts-cli --all
# 将“hello”读取到hello.mp3：
gtts-cli 'hello' --output hello.mp3
# 将“你好”读取到你好.mp3（使用普通话，通过google.com.hk）：
gtts-cli '你好' --tld .com.hk --lang zh-CN --output 你好.mp3
# 将“slow”以较慢的速度读取到slow.mp3：
gtts-cli 'slow' --slow --output slow.mp3
# 将“hello”读取到标准输出：
gtts-cli 'hello'
gtts-cli 'hello' | play -t mp3 -
-
Python模块使用：
from gtts import gTTS
import os
# 输入文本
text = "Hello World!"
# 创建gTTS对象（India区域口音）
tts = gTTS(text=text, lang='en', slow=True, tld='co.in')
# 保存为MP3文件
tts.save("output.mp3")
# 在Windows上播放
os.system("start output.mp3")
# 在Mac上播放
# os.system("afplay output.mp3")
# 在Linux上播放
# os.system("mpg321 output.mp3")
-
text：要转换的文本内容（字符串）。需要注意的是，Google的API可能对单次请求的文本长度有限制，过长的文本需要分多次处理。 -
lang：语言代码。gTTS支持多种语言，例如英语(‘en’)(默认)、中文简体(‘zh-cn’)、中文繁体(‘zh-tw’)、日语(‘ja’)、法语(‘fr’)、西班牙语(‘es’)等。完整列表可通过Google Translate的API文档查询。 -
slow：发音速度（旧版本支持）。False为正常速度，True为慢速（某些语言可能不支持）。 -
tld：域名后缀（可选）。例如：‘com’、‘co.uk’，用于调整发音的区域口音。
gtts.tokenizer模块是gTTS（Google Text-to-Speech）库的核心组件，用于对文本进行预处理和分词。它提供了默认的预处理和分词功能，并允许用户自定义这些功能，以满足不同语言和文本格式的需求。
-
预处理（Pre-processing）：
-
tone_marks：在语气修饰标点符号后添加空格，以便分词器正确处理。 -
end_of_line：重新组合被换行符截断的单词，移除行尾的连字符。 -
abbreviations：移除某些已知缩写后的句号，避免分词器错误处理。 -
word_sub：进行逐词替换，纠正发音或替换特定词汇。
-
gtts.tokenizer.core.PreProcessorRegex类（用于基于正则表达式的替换，类似于re.sub的用法）； -
gtts.tokenizer.core.PreProcessorSub类（用于逐词替换）。
from gtts.tokenizer import pre_processors
import gtts.tokenizer.symbols
# 添加自定义替换规则
gtts.tokenizer.symbols.SUB_PAIRS.extend([
('sub.', 'submarine'), # 替换 "sub." 为 "submarine"
('Mr.', 'Mister') # 替换 "Mr." 为 "Mister"
])
# 测试文本
text = "Mr. Smith works on a sub. project."
processed_text = pre_processors.word_sub(text)
print(processed_text)
# 输出："Mister Smith works on a submarine project."
-
分词（Tokenizing）：
-
tone_marks：处理语气修饰标点符号。 -
period_comma：处理句号和逗号，避免在缩写或数字中错误切割。 -
other_punctuation：处理其他标点符号，自然地插入语音停顿。 -
colon：处理冒号，避免在时间表示中切割。
-
在最接近但位于第100个字符之前的最后一个空格字符处分割； -
如果没有空格，则在第100个和第101个字符之间分割。
示例代码：
自定义分词器，处理特定的标点符号。
from gtts.tokenizer import Tokenizer, pre_processors, tokenizer_cases
from gtts import gTTS
# 创建自定义分词器
custom_tokenizer = Tokenizer(
regex_funcs=[
tokenizer_cases.period_comma, # 句号和逗号
tokenizer_cases.colon, # 冒号
tokenizer_cases.tone_marks, # 问号和感叹号
tokenizer_cases.other_punctuation # 其他标点符号
]
)
# 原始文本
text = "Hello, this is an example. It includes abbreviations like Dr. and Mr.. "
"Are you ready? Let's go! This is an important announcement: "
"Please pay attention."
# 使用默认分词器
tts = gTTS(text)
tts.save("example.mp3")
# 使用自定义分词器
tts = gTTS(text, tokenizer_func=custom_tokenizer.run) # 将自定义分词器传递给 gTTS
tts.save("custom_tokenizer_example.mp3")
# 验证分词效果
processed_text = custom_tokenizer.run(text)
print("原始文本:", text)
print("处理后的文本:", processed_text)
# 原始文本: Hello, this is an example. It includes abbreviations like Dr. and Mr.. Are you ready? Let's go! This is an important announcement: Please pay attention.
# 处理后的文本: ['Hello', 'this is an example', 'It includes abbreviations like Dr', 'and Mr.', 'Are you ready?', "Let's go!", 'This is an important announcement', ' Please pay attention.']
更多内容可以前往官方文档查看：
https://gtts.readthedocs.io/en/latest/
本篇文章来源于微信公众号: 码农设计师
