如何用Python基于音频文件实现自定义文本转语音功能

你当前代码失效的核心原因是：os.system("start 音频路径")在Windows环境下是异步调用的，系统启动默认播放器打开音频后就立刻返回执行下一行代码，不会等待当前音频播放完成。你循环播放多个字母音频时，所有音频几乎会同时触发播放，最终只会留下最后一个的播放进程正常运行。

推荐2种成熟的跨平台库，可以满足Windows、Linux双端使用需求：

方案1：使用playsound（轻量简单，无需复杂配置） #

这是专门用于播放音频文件的轻量跨平台库，默认支持同步等待播放完成，完美匹配你的需求。

• 安装命令：pip install playsound
• 示例代码：

from playsound import playsound
import os

# 音频文件夹路径，根据系统自动适配
AUDIO_DIR = "D:\\letters\\" if os.name == 'nt' else "/home/你的用户名/letters/"

def spell_word(word):
    for char in word.lower():
        # 可自行调整过滤规则，跳过非字母字符
        if char.isalpha():
            audio_path = os.path.join(AUDIO_DIR, f"{char}.mp3")
            if os.path.exists(audio_path):
                # block=True为默认配置，会等待当前音频播放完成再执行后续代码
                playsound(audio_path, block=True)

# 测试朗读单词
spell_word("apple")

• Linux环境前置依赖：执行sudo apt install ffmpeg libasound2-dev安装基础音频组件即可。

方案2：使用pydub（功能灵活，支持音频拼接优化效果） #

如果你后续需要优化播放体验，比如把多个字母音频提前拼接成完整单词音频再播放，减少字母间的卡顿感，可以用这个库，同样支持跨平台。

• 安装命令：pip install pydub，同时需要安装ffmpeg组件：Windows下下载ffmpeg二进制文件添加到系统环境变量即可，Linux下执行sudo apt install ffmpeg安装。
• 示例代码：

from pydub import AudioSegment
from pydub.playback import play
import os

AUDIO_DIR = "D:\\letters\\" if os.name == 'nt' else "/home/你的用户名/letters/"

def spell_word(word):
    full_audio = AudioSegment.empty()
    for char in word.lower():
        if char.isalpha():
            audio_path = os.path.join(AUDIO_DIR, f"{char}.mp3")
            if os.path.exists(audio_path):
                letter_audio = AudioSegment.from_mp3(audio_path)
                # 可添加50ms空白间隔，避免字母发音粘连，可自行调整时长
                full_audio += letter_audio + AudioSegment.silent(duration=50)
    # 所有音频拼接完成后一次性播放
    play(full_audio)

spell_word("apple")

内容的提问来源于stack exchange，提问作者Harold James