Golang实现Windows的TTS实现文本转语音

TTS那些事

TTS语音合成技术是实现人机语音通信关键技术之一。使电脑具有类似于人一样的说话能力，是当今时代信息产业的重要竞争市场。和语音识别ASR相比，语音合成的技术相对说来要成熟一些，是应用范围较广的技术。
TTS看上去很高大上，但其实这不是什么新技术，当然如果想语言合成更加智能，人物语音更加丰富，语音感情丰富的话就另当别论了。
最简单的TTS是使用Windows自带的语音系统，对于Python来说，语音合成可以直接使用第三库pyttsx3实现，而且用法简单，具体可以查看官方文档

如果要使用Golang实现文字合成语音，目前还没有比较好的第三库，大多数是播放音频文件，例如htgo-tts、oto等等。

如果要实现文字合成语音，可以使用Windows自带的语音功能，Golang通过底层调用即可实现，其原理和Python的pyttsx3相同。

文本转语音

实现Windows自带的语音功能，我们还是使用第三库go-ole实现，其说明可以参考上一篇文章：Golang 实现word和Excel处理。
万变不离其宗，想通过程序使用Windows功能，必须按照Windows开发文档去写代码，否则就无从下手，特别在网上资料比较缺乏的情况下，更让人着急。
打开Windows文档，本次实现文字合成语音需要使用下图的属性和方法：

下面代码实现以下功能：设置语速、设置音量、文字播放语音、等待播放结束、保存wav文件，代码如下：

package main

import (
	"github.com/go-ole/go-ole"
	"github.com/go-ole/go-ole/oleutil"
)

func main() {
	ole.CoInitialize(0)
	unknown, _ := oleutil.CreateObject("SAPI.SpVoice")
	voice, _ := unknown.QueryInterface(ole.IID_IDispatch)
	saveFile, _ := oleutil.CreateObject("SAPI.SpFileStream")
	ff, _ := saveFile.QueryInterface(ole.IID_IDispatch)
	// 打开wav文件
	oleutil.CallMethod(ff, "Open", "E:\\mygo\\aa.wav", 3, true)
	// 设置voice的AudioOutputStream属性，必须是PutPropertyRef，如果是PutProperty就无法生效
	oleutil.PutPropertyRef(voice, "AudioOutputStream", ff)
	// 设置语速
	oleutil.PutProperty(voice, "Rate", -3)
	// 设置音量
	oleutil.PutProperty(voice, "Volume", 200)
	// 说话
	oleutil.CallMethod(voice, "Speak", "您有新工单，请及时处理！")
	oleutil.CallMethod(voice, "Speak", "bb", 1)
	// 停止说话
	//oleutil.CallMethod(voice, "Pause")
	// 恢复说话
	//oleutil.CallMethod(voice, "Resume")
	// 等待结束
	oleutil.CallMethod(voice, "WaitUntilDone", 1000000)
	// 关闭文件
	oleutil.CallMethod(ff, "Close")
	ff.Release()
	voice.Release()
	ole.CoUninitialize()
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

open方法是打开文件，其参数设置可以参考：open参数说明

Speak方法是播放语音，其参数设置可以参考：Speak参数说明

总结

上述示例代码只是简单演示TTS基本功能，更多功能开发需要自己啃Windows官方文档了。