随手剪-多角色文字转语音的实现

制作多人有声书、多人对话、情景剧等等

使用说明

1. 基本朗读

在文本框中输入文字，点击“朗读文字”即可朗读。
若文本框内容不含 [角色名] 格式，则使用默认角色（晓晓）进行单角色朗读。
若内容包含 [角色名] 格式（如 [云希]你好），则自动进入多角色对话模式，每个角色使用对应的语音。

2. 多角色对话格式

格式：[角色名] 说话内容
示例：
[云扬] 你好，我是云扬。
[晓伊] 很高兴认识你！
第一个角色前的内容会自动使用默认角色（晓晓）朗读。
支持的角色列表见“语音角色介绍”标签页。

3. 语音参数调节

语速：-50% ~ +50%，负数减慢，正数加快。模拟老年声音可-25%左右
音量：-100% ~ +100%，负数降低，正数增大。
音调：-500Hz ~ +500Hz，负数低沉，正数尖锐。模拟童声可+50Hz，老年声可-35Hz左右
滑动滑块即时生效，下次朗读时应用。

4. 环境保存与加载

保存环境：将当前文本框内容和三个参数保存为 JSON 文件。
加载环境：从 JSON 文件恢复文本和参数，再次编辑输出。

5. 右键菜单

在文本框内右键点击，可进行复制、粘贴、剪切、查找、替换、撤销、重做等操作。

6. 停止朗读

点击“停止朗读”可立即中断当前播放的音频（包括正在生成的对话）。

7. 保存音频

朗读完成后，“保存音频”按钮可用，可将最后生成的音频（单句或完整对话）保存为 MP3 文件。

8. 系统要求

需要联网（Edge TTS 在线生成）。
建议安装 FFmpeg（ffplay）以实现无窗口播放，否则将使用系统默认播放器。

9.🎙️ 支持的角色及特点

【云希】- 活泼年轻的男声，适合快节奏解说、短视频配音-中文语音
【晓伊】- 温柔知性的女声，适合情感类内容朗读-中文语音
【云扬】- 浑厚沉稳的男声，偏向传统播音腔，适合新闻播报-中文语音
【云健】- 稳重可靠的男声，质感偏实，适合产品介绍-中文语音
【云夏】- 质感实在的男声，音调转折明显-中文语音
【晓晓】- 标准女声，自然流畅，默认角色-中文语音
【晓北】- 东北话女声，亲切幽默
【晓妮】- 陕西话女声，韵味独特
【晓雨】- 台湾国语女声，柔和可爱
【慧敏】- 粤语女声（香港）
【云龙】- 粤语男声（香港）
【小艾】- 英文新闻女声（美国）
【小克】- 英文新闻男声（美国）
【小凯】- 德语女声（德国）
【小孔】- 德语男声（德国）
💡 提示：未在列表中的角色名将自动使用默认角色（晓晓）。

10. 基本原理
将不同角色逐个生成语音片段，通过pydub合并音频

import asyncio
from edge_tts import Communicate

async def text_to_speech():
    # 1. 准备纯净的中文文本，不要包含任何SSML标签
    text_content = "各位乡亲父老，想当年，我走南闯北的时候，还不是靠着一股子硬气！"

    # 2. 创建Communicate对象，将SSML属性直接作为参数传入
    # 注意参数用法:
    #   text: 要转换的纯文本
    #   voice: 音色 (建议使用"zh-CN-YunyangNeural")
    #   rate: 语速，此处降低20%以模拟老人语速
    #   pitch: 音调，此处降低25Hz使声音低沉
    #   volume: 音量，此处降低15%体现气息不足
    communicate = Communicate(
        text=text_content,
        voice="zh-CN-YunyangNeural",
        rate="-40%",
        pitch="-15Hz", 
        volume="-10%"
    )

    # 3. 保存音频文件
    await communicate.save("old_man_speech.mp3")
    print("语音生成成功！")

if __name__ == "__main__":
    asyncio.run(text_to_speech())

作者：高山羊止
反馈：https://www.cnblogs.com/igaoyuan/p/20403478