如何用pyttsx3保存含多语音的音频文件？有无替代TTS引擎？

用pyttsx3实现多语音音频合并 #

pyttsx3没法直接把多个语音的内容保存到同一个文件，但可以分两步实现：先给每个语音单独生成音频片段，再把这些片段合并成完整文件。

具体操作 #

1. 先安装依赖：pip install pyttsx3 pydub，另外pydub需要ffmpeg支持——Windows用户可下载ffmpeg解压后把bin目录加入系统环境变量；Ubuntu用户执行apt install ffmpeg即可。
2. 修改代码如下：

import pyttsx3
from pydub import AudioSegment
import os

engine = pyttsx3.init()
voices = engine.getProperty('voices')
temp_files = []
text = 'The quick brown fox jumped over the lazy dog.'

# 为每个语音生成单独的临时音频文件
for idx, voice in enumerate(voices):
    engine.setProperty('voice', voice.id)
    temp_file = f'temp_voice_{idx}.wav'
    temp_files.append(temp_file)
    engine.save_to_file(text, temp_file)
    engine.runAndWait()

# 合并所有临时音频文件
combined = AudioSegment.empty()
for file in temp_files:
    audio = AudioSegment.from_wav(file)
    combined += audio

# 保存合并后的最终文件
combined.export('all_voices_audio.mp3', format='mp3')

# 清理临时文件
for file in temp_files:
    os.remove(file)

其他可直接实现的TTS引擎 #

如果觉得上述方法繁琐，可试试这些更便捷的TTS引擎：

• Coqui TTS：开源本地TTS引擎，支持多种语音，可通过API逐个调用不同语音生成音频片段后合并，也能直接处理拼接逻辑。
• gTTS：基于谷歌TTS的Python库，需联网使用，支持指定不同地区的语音发音，生成多段音频后合并即可，语音选择比pyttsx3更丰富。
• Microsoft Azure Text-to-Speech：云端服务，提供大量高质量语音，可直接通过API指定多个语音生成对应音频，还能在请求中配置拼接逻辑，适合追求专业音质的场景。

内容的提问来源于stack exchange，提问作者Juan Mir