在Google Colab中使用pyttsx3无法切换语音，求解决及自定义语音添加方法

一、语音切换失败的原因与解决 #

Colab是云端Linux环境，pyttsx3依赖系统底层的TTS引擎，默认环境下可用语音数量极少，你代码中直接调用voices[1]大概率是因为该索引不存在导致切换失败。

解决步骤： #

1. 先排查当前可用语音：

   sound_engine = pyttsx3.init()
   voices = sound_engine.getProperty("voices")
   # 打印所有可用语音详情
   for idx, voice in enumerate(voices):
       print(f"索引: {idx}, ID: {voice.id}, 名称: {voice.name}, 语言: {voice.languages}")
   sound_engine.setProperty("rate", 150)
   

2. 根据输出的实际索引设置语音，比如如果只有1个语音，就用voices[0].id。

二、添加自定义语音的实现方法 #

pyttsx3本身不支持直接导入自定义语音包，它依赖系统级TTS引擎，在Colab中可通过以下方式扩展语音：

1. 安装系统级额外语音包（以eSpeak-NG为例） #

Colab默认用eSpeak作为TTS引擎，可安装多语言语音包：

!sudo apt-get update
!sudo apt-get install espeak-ng espeak-ng-data

安装完成后查看所有可用语音：

!espeak-ng --voices

找到目标语音的ID后，在pyttsx3中设置：

sound_engine.setProperty("voice", "zh-cn")  # 示例：设置中文普通话语音，具体ID以实际输出为准

2. 使用第三方TTS库实现自定义语音（替代方案） #

如果要使用训练好的自定义语音模型，pyttsx3无法直接兼容，可改用gTTS或其他TTS库，示例：

from gtts import gTTS
from IPython.display import Audio

# 生成自定义语音音频
text = "这是自定义语音测试内容"
tts = gTTS(text=text, lang='zh', tld='com')  # tld参数可切换不同地区的语音风格
tts.save("custom_voice.mp3")

# 播放音频
Audio("custom_voice.mp3", autoplay=True)

内容的提问来源于stack exchange，提问作者santino larris