使用Google TTS生成泰卢固语音频遇Unicode转义错误求助

错误原因定位 #

你遇到的SyntaxError: (unicode error) 'unicodeescape' codec can't decode bytes in position 2-3: truncated \UXXXXXXXX escape错误，本质是Python解析字符串时碰到了不完整的Unicode转义序列（比如\U后未跟上8位十六进制字符），大概率是CSV文件内容或读取环节出了问题，和泰卢固语本身的编码无关。

排查与修复步骤 #

1. 检查CSV文件内容与编码 #

• 确认字符原生性：用Notepad++等编辑器打开CSV，确保泰卢固语词汇是直接显示的原生字符，而非手动输入的\U开头转义序列（比如不要写\U0C2A\U0C46\U0C30，直接写泰卢固语本身的字符）。
• 统一编码格式：将CSV保存为无BOM的UTF-8编码（Notepad++可通过「编码」→「UTF-8无BOM」设置），带BOM的UTF-8可能导致Python读取时出现解码异常。

2. 优化脚本的CSV读取逻辑 #

• 改用原始字符串写法统一路径，避免转义歧义：

  # 替换CSV和导出路径为原始字符串
  with open(r"C:\testscript.csv", 'r', newline='', encoding='utf-8') as csvfile:
      # ... 其他代码 ...
  final_audio.export(r"C:\audio2.wav", format="wav")
  

• 添加错误处理参数，避免解码失败中断脚本：

  with open(r"C:\testscript.csv", 'r', newline='', encoding='utf-8', errors='replace') as csvfile:
  

• 增加日志输出，验证读取到的内容：在phrase = row[0]后添加打印语句，确认读取到的泰卢固语字符是否正确：

  phrase = row[0]
  lang = row[1]
  print(f"当前读取: 短语={phrase}, 语言={lang}")
  

3. 验证Google TTS语音可用性 #

确认te-IN-Standard-B语音是否仍在支持列表中，Google TTS的语音名称可能会更新（比如现在推荐使用te-IN-Wavenet-A等波表语音），可以通过Google Cloud控制台的TTS测试工具验证泰卢固语语音的有效性。

内容的提问来源于stack exchange，提问作者Incertus