我正在研究文本到语音的算法，我终于做到了，这个算法所做的就是把一个html文件变成
转换为语音，比如：python record.py file.html
在这里一切都很好，但我想使用以下命令在多个文件上运行相同的命令：
python record.py file1.html & python record.py file2.html & python record.py file3.html
但我没有单独录制每个音频，而是在输出上有重叠。
PS1：我使用的是ubuntu服务器，我想在6000多个文件上运行我的命令，每个文件大约需要20分钟，因为它们是一个大文件。
PS2：我正在使用pyaudio来录制声音，这是我代码中的录制部分：
from seleniumwire import webdriver
import sys
from webdriver_manager.chrome import ChromeDriverManager
import time
import pyaudio
import wave
from selenium.webdriver.chrome.options import Options
import warnings
warnings.simplefilter(action='ignore', category=FutureWarning)
chrome_options = Options()
chrome_options.add_argument("--headless")
browser = webdriver.Chrome(ChromeDriverManager().install(), chrome_options=chrome_options)
#selenium part
browser.get('website')
search = browser.find_element_by_id("text-area")
search.clear()
data="this is a simple test"
search.send_keys(data)
time.sleep(2)
browser.find_element_by_id("btn").click()
print("waiting for audio")
size = len(data)/200
time.sleep(size*2)
print("audio detected")
CHUNK = 1024
FORMAT = pyaudio.paInt16
CHANNELS = 1
RATE = 44100
#number = len(data)
RECORD_SECONDS = size*17
WAVE_OUTPUT_FILENAME = 'first.mp3'
open(WAVE_OUTPUT_FILENAME, "wb+")
frames = []
p = pyaudio.PyAudio()
stream = p.open(format=FORMAT, channels=CHANNELS, rate=RATE,input=True, frames_per_buffer=CHUNK)
print("started recording")
for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
audio = stream.read(CHUNK)
frames.append(audio)
print("end of recording")
stream.stop_stream()
stream.close()
p.terminate()
wf = wave.open(WAVE_OUTPUT_FILENAME, 'wb')
wf.setnchannels(CHANNELS)
wf.setsampwidth(p.get_sample_size(FORMAT))
wf.setframerate(RATE)
wf.writeframes(b''.join(frames))
wf.close()
有什么方法可以记录来自某个PID的音频吗。
我听说过码头集装箱，但我不知道在这种情况下它是否会有所帮助。
我无法让您的示例代码工作，但我有一个基本的猜测：您是否更改每个调用的输出文件名？看看你的剧本，情况似乎并非如此。在某些情况下，不更改文件名可能会导致文本混乱。
某些包(例如pyttsx3(为了将音频写入线程不安全的文件，会做一些时髦的事情。这很可能是你的方法正在发生的事情。
脱机文本到语音
我发现完成这项任务的一个非常可靠的方法是直接调用类似espeak的东西。
我已经编写了一个小程序包，为它提供了一个CLI。它的核心就在这个片段中：
import os
import tempfile
import re
# These packages are conveniences.
# Listing builtin packages that will require a few more lines to use
from bs4 import BeautifulSoup # Alt. html.parser
def text_to_mp3(text: str, outfile: str) -> None:
"""Given some text, generate an mp3 speaking the text.
Args:
text (str): Text to speak
outfile (str): *.mp3 file to write
"""
# For some reason espeak doesn't find NamedTemporaryFile files to be agreeable...
_, text_filename = tempfile.mkstemp(suffix=".txt")
with open(text_filename, "w") as file:
file.write(text)
try:
with tempfile.NamedTemporaryFile(suffix=".wav", delete=True) as wav_file:
os.system(f"espeak -f {text_filename} -w {wav_file.name}")
os.system(f"lame --preset insane {wav_file.name} {outfile} --silent")
finally:
if os.path.exists(text_filename):
os.remove(text_filename)
def html_to_mp3(html: str, outfile: str, select: str = "body") -> None:
"""Given a string containing html, generate an *.mp3 that speaks the text.
Args:
html (str): HTML string
outfile (str): *.mp3 to generate
select (str, optional): CSS selector from which to select text. Defaults to "body".
Raises:
ValueError: In case the CSS selector is not present in the text.
"""
soup = BeautifulSoup(html, features="html.parser")
elements = soup.select(select)
if not elements:
raise ValueError(f"No elements found for CSS selector `{select}`")
text = "n".join([element.get_text() for element in elements])
text_to_mp3(text, outfile)
基本步骤是：
- 使用beautifulsoup从html文件中提取感兴趣的文本
- 对感兴趣的文本调用
espeak，并将结果输出到*.wav文件中。- 我们将文本写入文件，而不是试图通过命令传递一个大字符串，以避免解析
'、"等时出现问题 - CCD_ 7仅向CCD_ 8输出
- 声音有很多可供选择
- 我们将文本写入文件，而不是试图通过命令传递一个大字符串，以避免解析
- 使用
lame将上一步的*.wav转换为mp3
虽然你的计算机上可能已经有了这些实用程序，但你总是可以用安装它们(在ubuntu上(
sudo apt-get update
sudo apt-get install lame espeak
在线文本到语音
如果你可以使用连接到谷歌的在线文本到语音，那么gTTS软件包运行得很好。特别是，以下功能可以随心所欲：
gtts-cli 'hello' --output hello.mp3 & gtts-cli 'world' --output world.mp3
我解决问题的方法是从网站下载音频文件，而不是
记录他们，这个链接帮助很大。