從PyTTS的音頻流中編碼mp3

Question

我使用python 2.5處理音頻mp3文件中的文本到語音轉換文本。

我將pyTSS用作python Text-To-Speech模塊，以轉換音頻.wav文件中的文本（在pyTTS中無法直接以mp​​3格式編碼）。 因此，之后，我使用lame命令行編碼器以mp3格式編碼了這些wav文件。

現在，問題在於，我想在特定的外部聲音文件（例如聲音警告）或（如果可能的話，生成的警告聲音）中插入（特別是在音頻mp3文件的兩個詞之間）。

問題是：

1）我已經看到PyTTS可以將音頻流保存到文件或內存流中。 使用兩個功能：

tts.SpeakToWave（文件，文本）或tts.SpeakToMemory（文本）

利用tts.SpeakToMemory（text）函數，並使用PyMedia，我能夠直接保存mp3，但保存mp3文件（再現時），聽起來像唐老鴨一樣令人難以理解！ :-)這是一段代碼：

            params = {'id': acodec.getCodecID('mp3'), 'bitrate': 128000, 'sample_rate': 44100, 'ext': 'mp3', 'channels': 2}

            m = tts.SpeakToMemory(p.Text)
            soundBytes = m.GetData()

            enc = acodec.Encoder(params)

            frames = enc.encode(soundBytes)
            f = file("test.mp3", 'wb')
            for frame in frames:
                f.write(frame)
            f.close()

我不明白問題出在哪里？！？ 這種可能性（如果它可以正常工作），最好跳過wav文件轉換步驟。

2）作為第二個問題，我需要將音頻mp3文件（從文本轉換為語音模塊）與特定的警告聲音連接起來。

顯然，如果在將整個音頻存儲流編碼為唯一的mp3文件之前，可以將文本的音頻存儲流（在文本轉換為語音模塊之后）和警告聲音的流連接起來，那就太好了。

我也看到tksnack庫可以連接音頻，但是它們不能寫mp3文件。

我希望已經清楚了。 :-)

非常感謝您對我的問題的回答。

朱利奧

Answer 1

我認為PyTTS不會產生默認的PCM數據（即44100 Hz，立體聲，16位）。 您應該檢查如下格式：

memStream = tts.SpeakToMemory("some text")
format = memStream.Format.GetWaveFormatEx()

...並將其正確acodec給acodec 。 因此，可以使用屬性format.Channels ， format.BitsPerSample和format.SamplesPerSec 。

關於第二個問題，如果聲音的格式相同，則應該可以將它們全部enc.encode傳遞給enc.encode 。

Answer 2

抱歉，無法在此處提供明確的答案。 但是有一些試驗和錯誤：我將查看pymedia模塊的文檔，以檢查是否可以設置任何質量配置。

另一個流行之處是，與波形或原始音頻不同，您將無法簡單地連接mp3編碼的音頻：無論采用哪種解決方案，都必須在未壓縮（未編碼）的同時連接/混合聲音，然后生成mp3編碼的音頻。

另外，有時我們會感覺到將文件記錄到磁盤上並進行重新轉換，而不是“一步一步”地進行操作是很尷尬的-而在pratie中，該軟件確實確實在幕后，即使我們未指定歸檔自己。 如果您使用的是類似Unix的系統，則始終可以創建一個FIFO特殊文件（使用mkfifo命令），並在一個單獨的進程中（使用la腳）將yoru .wav數據發送給encodin：對於您的程序，它看起來像是使用中間文件，但實際上不會。