从PyTTS的音频流编码mp3

Question

我使用Python2.5在音频mp3文件中处理文本到语音的转换。

我使用pyTSS作为python文本到语音转换模块，来转换音频.wav文件中的文本(在pyTTS中不能直接以mp3格式编码)。然后，我使用lame命令行编码器将这些wav文件编码为mp3格式。

现在，问题是，我想插入一个特定的外部声音文件(如声音警告)或(如果可能的话，一个生成的警告声音)(特别是音频mp3文件的两个单词之间)。

问题包括：

1)我已经看到PyTTS可以将音频流保存在文件或内存流中。使用两个函数：

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

利用tts.SpeakToMemory(文本)函数，并使用PyMedia，我已经能够直接保存mp3，但mp3文件(在重现时)，听起来像唐老鸭！:-)这里有一段代码：

            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()

我不明白问题出在哪里？！？这种可能性(如果它可以正常工作)，最好跳过wav文件转换步骤。

2)作为第二个问题，我需要将音频mp3文件(从文本到语音转换模块获得)与特定的警告声音连接起来。

显然，如果我能在将整个音频存储流编码到一个唯一的mp3文件中之前，将文本的音频存储流(在文本到语音模块之后)和警告声音的流连接起来，那就太好了。

我还看到tksnack库可以连接音频，但它们不能写入mp3文件。

我希望已经说清楚了。:-)

非常感谢你对我的问题的回答。

朱利奥

Answer 1

我不认为PyTTS产生默认的PCM数据(即44100 Hz，立体声，16位)。您应该像这样检查格式：

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

...and将它正确地交给acodec。因此，您可以使用属性format.Channels、format.BitsPerSample和format.SamplesPerSec。

至于你的第二个问题，如果声音是相同的格式，你应该能够简单地将它们一个接一个地传递给enc.encode。

Answer 2

这里无法提供明确的答案，很抱歉。但也有一些尝试和错误:我会查看pymedia模块的文档说明，以检查是否有您可以设置的任何质量配置。

另一个要点是，与mp3或原始音频不同，你不能简单地连接mp3编码的音频:无论你得到什么解决方案，你都必须在声音未压缩(未编码)的时候连接/混合它们，然后生成mp3编码的音频。

此外，有时我们只是觉得把fiel记录到磁盘上并重新转换，而不是在“一步”中完成是很尴尬的-而实际上，即使我们自己没有指定一个文件，软件也会在幕后做到这一点。如果你在一个类Unix的系统上，你总是可以创建一个先进先出的特殊文件(使用mkfifo命令)，并在一个单独的进程中发送你的.wav数据进行编码(使用lame)：对于你的程序来说，它看起来像是在使用一个中间文件，但实际上你并不是这样做的。