如何在不使用显示器的情况下将文本转换为语音，并将文件保存到mp3？(python)

Question

如何在不使用显示器的情况下将文本转换为语音，并将文件保存到mp3？(python)

我想将我的音频保存到文件中，但是我不知道我能做什么

完整代码- https://colab.research.google.com/github/d8oss/akeke/blob/main/DeepVoice.ipynb

但我想在我的操作系统上这样做。

(这不是全部代码)

    import torch

language = 'ru'
speaker = 'baya_16khz'
device = torch.device('cpu')
model, symbols, sample_rate, example_text, apply_tts = torch.hub.load(repo_or_dir='snakers4/silero-models',
                                                                      model='silero_tts',
                                                                      language=language,
                                                                      speaker=speaker)
model = model.to(device)  # gpu or cpu

audio = apply_tts(texts=["Привет как дела"],
                  model=model,
                  sample_rate=sample_rate,
                  symbols=symbols,
                  device=device)

print(example_text)
display(Audio(audio[0], rate=sample_rate))

换句话说-我如何在我的桌面https://colab.research.google.com/github/d8oss/akeke/blob/main/DeepVoice.ipynb上执行这个脚本

Answer 1

您可以使用torchaudio来执行以下操作：

import torchaudio

从apply_tts获取音频后，使用以下代码将音频保存为MP3：

torchaudio.save(f'test_1.mp3',
                  audio[0].unsqueeze(0),
                  sample_rate=16000)

Source