""" 依赖: python3 # gtts库 fish-audio-sdk 库 ffmpeg 本脚本使用方法: python tts.py -f -b <背景音乐文件目录> -i <音色id> -r <倍数> -v <语音相对音量> -f : 后面跟着markdown文件目录,为必填项 -b :后面跟着背景音乐文件目录,为选填项 -i : 后面跟着tts音色id,为选填项 -r :后面跟着一个0.5~2.0的数字,可指定文本转语音的语速,为选填项,默认为1.0 -v : 后面跟着一个数字,可指定文本转语音的相对音量,为选填项,默认为0 """ import re import sys import os import subprocess from fishaudio import FishAudio from fishaudio.types import TTSConfig, Prosody from fishaudio.utils import save # from gtts import gTTS # 用于测试的gtts方案 # import pyttsx3 # 本地tts方案,效果不行 def main(): """ 主函数,处理命令行参数 """ # 设置参数默认值 markdown_path = "" background_path = "" id = "" rate = float(1.0) volume = float(0) # 处理命令行输入id for i , arg in enumerate(sys.argv): if arg == "-f": markdown_path = sys.argv[i + 1] if arg == "-b": background_path = sys.argv[i + 1] if arg == "-i": id = sys.argv[i + 1] if arg == "-r": rate = float(sys.argv[i + 1]) if arg == "-v": volume = float(sys.argv[i + 1]) # 处理输入不规范的情况 if markdown_path == "": print("本脚本使用方法:\npython tts.py -f -b <背景音乐文件目录> -i <音色id> -r <倍数> -v <语音相对音量>\n\t-f : 后面跟着markdown文件目录,为必填项\n\t-b :后面跟着背景音乐文件目录,为选填项\n\t-i : 后面跟着tts音色id,为选填项\n\t-r :后面跟着一个0.5~2.0的数字,可指定文本转语音的语速,为选填项,默认为1.0\n\t-v : 后面跟着一个数字,可指定文本转语音的相对音量,为选填项,默认为0\n") return # 创建必要的文件夹 create_necessary_dir() # 生成文件 print("生成中...") cod = generate_mp3(markdown_path, background_path, id, rate, volume) if cod != -1: print("完成") def create_necessary_dir(): """ 确保目录下存在output和temp文件夹 output用于存储输出文件,temp用于存储脚本需要的临时文件 """ # output if os.path.isfile("./output"): print("错误:目录下有名为 \"output\"的文件,请移动或者重命名它以让程序正常运行") if not os.path.isdir("./output"): os.mkdir("output") # temp if os.path.isfile("./temp"): print("错误:目录下有名为 \"temp\"的文件,请移动或者重命名它以让程序正常运行") if not os.path.isdir("./temp"): os.mkdir("temp") def generate_mp3(markdown_path, background_path="", id = "", rate=1.0, volume=0.0): """ 在./output目录下生成(经过处理后的)markdown朗读音频 Args: markdown_path(str): markdown文件路径 background_path(str):背景音乐路径,若为空字符串则不会尝试添加背景音乐 id(str):tts音色id,若为空则默认 rate(float):tts语速,范围为0.5~2.0 """ # 去除markdown文件中的符号后将其转化为音频 # 处理markdown文件 if not os.path.exists(markdown_path): print(f"错误:文件\"{markdown_path}\"不存在!") return -1 f = open(markdown_path, 'r', encoding='utf-8') # 处理文本,去除markdown符号 content = f.read() f.close() text = extract_text_from_markdown(content) # 确保文本非空 if not text or len(text.strip()) == 0: print(f"错误:文件\"{path}\"不包含可被朗读的文本") return -1 temp_path = "./temp/" + os.path.splitext(os.path.basename(markdown_path))[0] + ".mp3" # 正在生成中的音频文件的路径 # 生成tts音频 print("正在生成文本转语音音频...") generate_tts(text, temp_path, id, rate) print("语音音频生成完毕") # 新模型自带调整语速功能,没必要用ffmpeg调整语速 # # 若倍数不为1,则用ffmpeg调整tts倍数 # if rate != 1.0: # print("正在调整朗读文本速度...") # cod = made_in_heaven(temp_path, rate) # if cod != -1: print("朗读速度调整完毕") # 若相对音量不为0,则用ffmpeg调整tts音量 if volume != 0: print("正在调整朗读音量...") cod = adjust_volume(temp_path, volume) if cod != -1: print("朗读音量调整完毕") # 若背景音乐路径不为空,则用ffmpeg添加背景音乐 if background_path != "": print("正在添加背景音乐...") cod = add_bg(temp_path, background_path) if cod != -1: print("背景音乐添加完毕") # 将位于./temp中的以及生成完毕的音频文件移动到output output_path = "./output/" + os.path.splitext(os.path.basename(markdown_path))[0] + ".mp3" # 最终得到的音频文件的路径 os.rename(temp_path, output_path) def extract_text_from_markdown(content): """ 从markdown内容中提取纯文本 Args: content: markdown文件内容 Returns: 提取后的纯文本 """ # 移除代码块 text = re.sub(r'```[\s\S]*?```', '', content) # 移除行内代码 text = re.sub(r'`[^`]+`', '', text) # 移除图片 text = re.sub(r'!\[.*?\]\(.*?\)', '', text) # 移除链接但保留文本 text = re.sub(r'\[([^\]]+)\]\([^\)]+\)', r'\1', text) # 移除标题标记 text = re.sub(r'^#{1,6}\s+', '', text, flags=re.MULTILINE) # 移除粗体和斜体标记 text = re.sub(r'(\*\*|__)(.*?)\1', r'\2', text) text = re.sub(r'(\*|_)(.*?)\1', r'\2', text) # 移除HTML标签 text = re.sub(r'<[^>]+>', '', text) # 我在md2mp3项目的基础上增加了去除无序序号、引用符号以及分割线标记的代码 # 移除无序序号标记 text = text.replace("- ", "") # 移除引用标记 text = text.replace("> ", "") # 移除分割线标记 text = text.replace("---", "") #--- # 移除多余的空行 text = re.sub(r'\n\s*\n', '\n', text) # 移除多余的空格 text = text.strip() # 之后根据需要可能还得去除公式符号($$, $$$$, \(\), \[\]) return text def generate_tts(text, output, id="", rate=1.0): """ 将输入的文本转换成音频输出 Args: text(str):输入的文本 output(str):输出的文件的路径 id(str):tts音色id rate(float):tts语速 volume(float):tts相对音量 """ apikey = "" # 请在""内输入你的api key # 若为空,则让用户在终端输入 if apikey == "": apikey = input("请输入你的api key:") # 使用fish speech服务(需要API KEY)将文本转换为语音 client = FishAudio(api_key = apikey) # 由于该tts自带的音量调整有问题,因此本脚本不用它来调整tts音量 if id == "": config = TTSConfig( prosody=Prosody(speed=rate, volume=0) ) else: config = TTSConfig( prosody=Prosody(speed=rate, volume=0), reference_id=id, ) audio = client.tts.convert(text = text, config = config) save(audio, output) # 无API的谷歌tts方案 # tts = gTTS(text=text, lang=lang) # tts.save(output) # pyttsx3引擎生成音频的代码,效果不行所以注释掉了 #tts = pyttsx3.init() #tts.setProperty('voice', lang) #tts.save_to_file(text, output) #tts.runAndWait() def made_in_heaven(path, rate): """ 调整输入音频的倍数 Args: path(str):待处理音频的路径,同时也是处理后音频的路径 rate(float):倍数,范围为0.5~2.0 """ # 确保已经安装了ffmpeg if not check_ffmpeg(): print("错误:需要安装ffmpeg") return -1 # 利用ffmpeg将调整输入文件倍数并提高音量(由于我不知道的原因,ffmpeg调整倍速后音频音量会下降),输出到重命名前的路径(这么别扭的原因是ffmpeg不支持输入文件和输出文件的路径完全相同) input_path = "./temp/" + os.path.splitext(os.path.basename(path))[0] + "_rate.mp3" cmds = [ [ 'ffmpeg', '-i', str(input_path), '-filter:a', f'atempo={rate}', '-vn', # 不处理视频 '-y', # 覆盖输出文件 str(path) ] , [ 'ffmpeg', '-i', str(input_path), '-af', 'volume=2dB', str(path) ] ] for cmd in cmds: # 重命名输入文件 os.rename(path, input_path) subprocess.run(cmd) # 删除输入文件 os.remove(input_path) return 0 def adjust_volume(path, volume): """ 调整输入音频的音量 Args: path(str):待处理音频的路径,同时也是处理后音频的路径 volume(float):相对音量 """ # 确保已经安装了ffmpeg if not check_ffmpeg(): print("错误:需要安装ffmpeg") return -1 # 利用ffmpeg将调整输入文件的音量,输出到重命名前的路径(这么别扭的原因是ffmpeg不支持输入文件和输出文件的路径完全相同) input_path = "./temp/" + os.path.splitext(os.path.basename(path))[0] + "_volume.mp3" cmd = [ 'ffmpeg', '-i', str(input_path), '-af', 'volume=' + str(volume) + 'dB', str(path) ] # 重命名输入文件 os.rename(path, input_path) subprocess.run(cmd) # 删除输入文件 os.remove(input_path) return 0 def add_bg(path, bg_path): """ 为输入音频添加背景音乐 Args: path(str):待处理音频的路径,同时也是处理后音频的路径 bg_path(str):背景音乐的路径 """ # 确保背景音乐文件存在 if not os.path.exists(bg_path): print(print(f"错误:文件\"{bg_path}\"不存在")) return -1 # 确保已经安装了ffmpeg if not check_ffmpeg(): print("错误:需要安装ffmpeg") return -1 # 获取待处理音频时长,用于确保添加前后音频时长相同 duration = get_audio_duration(path) # 重命名输入文件 input_path = "./temp/" + os.path.splitext(os.path.basename(path))[0] + "_bg.mp3" os.rename(path, input_path) # 利用ffmpeg添加循环背景音乐,输出到重命名前的路径(这么别扭的原因是ffmpeg不支持输入文件和输出文件的路径完全相同) cmd = [ 'ffmpeg', '-i',str(input_path), '-i', str(bg_path), '-filter_complex', '[1:a]aloop=loop=-1:size=2e+09[out];[out][0:a]amix', '-ss', '0', '-t', str(duration), '-y', str(path) ] subprocess.run(cmd) # 删除输入文件 os.remove(input_path) return 0 def get_audio_duration(audio_path): """ 获取音频时长 Args: audio_path(str):音频路径 Returns: (float)音频时长 """ # 确保已经安装了ffmpeg if not check_ffmpeg(): print("错误:需要安装ffmpeg") return -1 # 执行ffmpeg命令来获取时长 cmd = [ 'ffprobe', '-v', 'error', '-show_entries', 'format=duration', '-of', 'default=noprint_wrappers=1:nokey=1', str(audio_path) ] result = subprocess.run( cmd, stdout=subprocess.PIPE, stderr=subprocess.PIPE, text=True ) if result.returncode == 0: duration = float(result.stdout.strip()) return duration else: return None def check_ffmpeg(): """ 检测是否安装了ffmpeg Returns: 布尔值,代表是否安装 """ try: subprocess.run(['ffmpeg', '-version'], stdout=subprocess.DEVNULL, stderr=subprocess.DEVNULL, check=True) return True except (subprocess.CalledProcessError, FileNotFoundError): return False if __name__ == "__main__": main()