如何获取pyttsx3生成语音时长？mutagen读取MP3报错解惑

报错原因分析 #

你遇到的mutagen.mp3.HeaderNotFoundError: can't sync to mpeg frame，核心原因是pyttsx3生成的文件可能并非标准MP3格式——哪怕你给了.mp3的后缀名。

举个典型场景：在Windows平台上，pyttsx3默认调用系统的SAPI5语音引擎，这个引擎生成的音频本质是WAV格式，只是被你命名成了test.mp3。当mutagen的MP3()类强行按MP3格式解析时，自然找不到MP3特有的帧头结构，就抛出了这个错误。

另外还有一种极小概率的情况：engine.runAndWait()虽然会等待语音生成完成，但极少数场景下可能存在文件写入缓存未完全刷新到磁盘的问题，不过这种情况出现的概率很低，主要诱因还是格式不匹配。

可行的解决方案 #

方案1：用mutagen自动识别音频格式 #

不要硬指定MP3类，改用mutagen的通用File()方法，它会自动检测文件的实际格式：

import pyttsx3
from mutagen import File

engine = pyttsx3.init()
engine.save_to_file('Hello world', 'test.mp3')
engine.runAndWait()

# 自动识别格式，无需指定MP3
audio = File('test.mp3')
# 获取时长，单位是秒
duration = audio.info.length
print(f"语音时长：{duration}秒")

方案2：保存为正确格式的文件 #

既然pyttsx3默认生成WAV，那直接把后缀改成.wav，再用对应的解析类读取：

import pyttsx3
from mutagen.wave import WAVE

engine = pyttsx3.init()
# 保存为WAV格式
engine.save_to_file('Hello world', 'test.wav')
engine.runAndWait()

audio = WAVE('test.wav')
duration = audio.info.length
print(f"语音时长：{duration}秒")

方案3：不保存文件，估算语音时长 #

如果不想生成文件，可以根据pyttsx3的语速设置和文本长度来估算（精度略低，但足够很多场景使用）：

import pyttsx3

engine = pyttsx3.init()
# 获取当前语速，单位是每分钟单词数（words per minute）
rate = engine.getProperty('rate')
text = 'Hello world'

# 估算时长：单词数 / (语速/60)，这里简单按空格分割算单词数
word_count = len(text.split())
estimated_duration = (word_count / (rate / 60))
print(f"估算时长：{estimated_duration}秒")

如果是中文文本，建议按字符数来估算，比如：

# 中文估算示例
text = '你好，世界'
char_count = len(text)
# rate是每分钟单词数，中文可以近似为每分钟字符数（根据实际语音引擎调整）
estimated_duration = (char_count / (rate / 60))
print(f"估算时长：{estimated_duration}秒")

方案4：使用其他语音合成库替代 #

如果pyttsx3的限制太多，也可以考虑用gTTS这类库，它生成的是标准MP3文件，用mutagen读取完全没问题，而且可以直接获取时长：

from gtts import gTTS
from mutagen.mp3 import MP3

text = 'Hello world'
tts = gTTS(text=text, lang='en')
tts.save('test.mp3')

audio = MP3('test.mp3')
print(f"语音时长：{audio.info.length}秒")

内容的提问来源于stack exchange，提问作者Coder