Files
b2ft 8a9413272d - 改为使用tts引擎自带的功能来调整语速
- 现已支持指定特定tts音色
- 现已支持调整tts音量
- 去除无用注释
2026-01-27 23:23:22 +00:00

426 lines
12 KiB
Python
Executable File
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
"""
依赖:
python3
# gtts库
fish-audio-sdk 库
ffmpeg
本脚本使用方法:
python tts.py -f <markdown文件目录> -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 <markdown文件目录> -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()