コマンドラインを使用してテキストを音声に出力する方法は?


回答:


125

人気の降順:

  • sayは、GNUstep音声認識エンジンを使用してテキストを音声に変換します。

    sudo apt-get install gnustep-gui-runtime
    say "hello"
    
  • フェスティバル一般的な多言語音声合成システム。

    sudo apt-get install festival
    echo "hello" | festival --tts
    
  • spd-sayが音声合成出力要求を音声ディスパッチャに送信します

    sudo apt-get install speech-dispatcher
    spd-say "hello"
    
  • espeakは多言語ソフトウェア音声合成装置です。

    sudo apt-get install espeak
    espeak "hello"
    

13
spd-say14.04以降にプリインストールされて表示されます。releases.ubuntu.com/trusty/...
チロSantilli新疆改造中心法轮功六四事件

3
またsudo pip install gTTS、(Google Text to Speech / github.com/pndurette/gTTS)にgtts-cli "hello" -o hello.mp3パイプすることもできmpg123 -ます。gtts-cli "why, hello there" | mpg123 -
イライジャ・リン

残念ながら、spd-say同時に一つだけの時間をTTSを再生することができていないようだ
phil294

@ElijahLynnは動作しません
暗くする

espeak/ spd-sayはミームに最適です(他の人は単語 "meme"を正しく発音できません)。私はバックエンドとしてのspd-say使用espeakを伝えることができます(声は同じように聞こえます)。
-QwertyChouskie

18

espeak 素敵な小さなツールです。

私はコマンドラインでそれをいじるのが好きです。Pulseaudioと競合する場合がありますので、適切に設定する必要のない長いワインドバージョンを使用しています。

sudo apt-get install espeak
espeak --stdout "this is a test" | paplay

espeak --help 読み取り速度、ピッチ、音声などを調整するオプションが表示されます。

メモを作成するときは、メモをテキストファイルとして保存してから、次の操作を行います。

echo "these are my notes" > text.txt
espeak --stdout -f text.txt > text.wav
paplay text.wav # you should hear "these are my notes"

その後、ffmeg et alをいじって、これをPCMからMP3やOGGなどの管理しやすいものに圧縮できます。しかし、それは別の話です。


1
非常に素晴らしい、Graphic User Interfaceを使ってespeak、espeak-guiを試すこともできます。
サバコン

14

からman spd-say

名前
       spd-say-音声合成出力要求を音声ディスパッチャに送信

あらすじ
       spd-say [オプション]「テキスト」

説明
       spd-sayはtext-to-speech出力要求をspeech-dispatcherプロセスに送信します。このプロセスはそれを処理し、理想的には結果を出力します
       オーディオシステムに。

オプション
       -r、-rate
              スピーチの速度を設定します(-100〜+100の間、デフォルト:0)

       -p、-pitch
              スピーチのピッチを設定します(-100〜+100、デフォルト:0)

       -i、-volume
              音声の音量(強度)を設定します(-100〜+100、デフォルト:0)

したがって、次のコマンドでテキスト読み上げを取得できます。

spd-say "<type text>"

例:

spd-say "Welcome to Ubuntu Linux"

スピーチ速度、ピッチ、音量など設定できます。マンページを参照してください。


3
spd-say -t female2 "text"耐えられるように

6

Mbrolaは11.10。以降動作しません。

SVOX(pico)ツールは、インストールが簡単で使いやすく、Ubuntuで高品質の音声を提供します。インストールしてください:

sudo apt-get install libttspico0 libttspico-utils libttspico-data

さらに簡単に、「Read Text」拡張機能をインストールしてLibreOfficeをSVOX(pico)ツールと組み合わせて使用​​すると、この優れたTTSソフトウェアの「GUI」を取得できます。

[ツール]-[アドオン]-[選択範囲の読み取り]でRead Text Extensionのオプション設定します。外部プログラムとして/ usr / bin / pythonを使用します。トークン(PICO_READ_TEXT_PY)を含むコマンドラインオプションを選択します。


4

Python Google Speach:

pip install google_speech

google_speech "Test the hello world"

AndroidからのSvox:

apt-get install svox-pico

pico2wave --wave=test.wav "Test the hello world"
play test.wav

Svox Nanotts:

git clone https://github.com/gmn/nanotts.git
cd nanotts
make

./nanotts -v en-US "Test the hello world"

リンク-Wiki:

音声合成装置の比較


1
インストールして使用するにはgoogle_speechUbuntuの18.04で私がインストールしなければならなかったpython3-piplibsox-fmt-mp3して使用しますpip3 install google_speech
artm

3

そしてさらに別のguiを言います:gespeaker。エンジンespeakmbrolaエンジンの両方を使用します。また、より多くのオプションがありespeak-guiます。


3

以下はFLOSSソリューションではありませんが、価値があるかもしれません。(これはワインのソリューションです)、

私は個人的にTTSに非常に熱心で、かなり頻繁に使用しています。私は他のことに固執することは決してありませんだろうとりとめのない話を聞いて(私はコーヒーをもう一杯取得する必要があるので... :)

途中で発見したいくつかのこと..または言う必要があります、途中で発見していないこと...率直に言って:私が試したFOSS TTS音声ソフトウェアはすべて標準以下であるため、半長期のリスニングには不向き...

現在、ATnTのNaturalVoicesを使用しています。Windows(Macのみ)でのみ使用できますがwine、Ubuntu では実行されます..(マイナーなグリッチがあり、リーダーから離れるときに時々パネルをクリックする必要があります...それはマイナーですNatualVoicesからの音声品質によって得られる利点と比較した場合の問題。

半分理にかなったリスニング体験のために実質的に不可欠であることがわかった他のいくつかは、...

  1. これらのTTSプログラムはインテリジェントではありません(若いヒヒのようにインテリジェントな場合もあります)..できる限りの助けが必要です。そして、これに大いに役立つ1つの(そして私が見つけた唯一のリーダープログラムがあります..アプリが呼び出されReadPlease (2003 Pro)ます...それはあなたが彼ら望むように発音される単語や単語のグループを特別に変更することができました...それ決して完璧ではありませんが、私にとっては、プロセス全体が使用可能であるか使用不可能であるかの違いをもたらしました...

  2. Natural Voicesのスピーチは「大丈夫」ですが、少し退屈です。他の優れた製品もありますが、残念ながらそれらはすべてWindows向けです
    。..驚くほどうまく機能することもあります。しかし、OMG、最初は苦痛です!..だから#2は* 忍耐です...そして、あなたの「特別な言葉」リストのたくさんの更新...忍耐によって、私はあなた(I)が実際に私の特定のヒヒのスピーチパターンに慣れたということです:)...ちなみに、私は現在約3000個の単語を持っているので、「人間」に聞こえるので、それらを聞いてもしびれません。

    3 ..「跳ねるボールをたどる」...繰り返しますが、声は本物の話者ほど良いものではないため、時には物事を明確にする必要があります..。私が使用するReaderプログラムには、不格好なインターフェイスを我慢する機能が1つあります。...「現在の読み取りを選択」という単語オプションがあります。多くの読者がこれを持っていますが、ReadPleaseは現在の行を維持します画面の中央..これは、先を見たり後ろを見たりして、見逃したものをすぐに読み直すことができるため、非常に貴重です(したがって、現在の行の自動センタリングが良いです)。

まあそれは私の経験です..私は今コーヒーを作るつもりです、そして私はそれをしている間、私はそれを聞いて、それがどのように「読む」かを見るでしょう.... TTSはピックアップに驚くほど良いですタイプミス(私はタイプミスをたくさんする)...

ATnT NaturalVoicesほど優れたものがUbuntuリポジトリで見つかった場合、私はそれに飛びつきます。

Natural Voicesのサンプルへのリンクは次のとおりです。「MIke」を使用します


3

SVOX pico2wave

それが私が使うものです。そして自然に聞こえ、理解しやすく、単位(m、°C、kg、...)を認識します

これがpico2waveへの私の最初の投稿です

テキストから音声への自然な響き?

やることはすべて:

Ubuntu Software Centerにアクセスして、「pico」を検索します。「Small Footprint Ling ...」で4つまたは5つのエントリが見つかります。それらをインストールします。

pico2waveの使用の可能性については、最初の投稿で説明しています(上記のリンクを参照)。

バイバイ


私はあなたの方法を使用してあなたの方法を使用してnaturl甘い女性の声を取得する方法を教えてもらえますか
user49557

3

以下のためには、festival(声が私にはもっと自然なようです):

sudo apt-get install festival

echo "hello" | festival --tts

ピッチと速度の構成:

作成~/.festivalrc

(Parameter.set 'Audio_Command "play -b 16 -c 1 -e signed-integer -r $SR -t raw $FILE tempo 1.5 pitch -100") (Parameter.set 'Audio_Method 'Audio_Command)

http://www.solomonson.com/content/ubuntu-linux-text-speech参照してください

更新:別のUbuntuコンピューターで試してみました。フェスティバルで適切に動作するには、英語の音声エンジンパッケージをインストールする必要がありました。

sudo apt-get install festvox-kallpc16k

また、play付属していますCLIコマンドでsoxパッケージは:

sudo apt-get install sox


2

あなたはすでに答えを受け入れましたが、私も言及したかったのですがfestival、それもとても気に入っています。Ubuntuフォーラムのこの投稿には、非常に素晴らしい声を設定するための多くの情報があります。


2

Meet- espeak-ng多言語ソフトウェア音声合成装置:

espeak-ng "text to read"
espeak-ng -f "~/file to read"

デフォルトの英語の音声を使用しますが、他の言語や方言も使用できる多数の音声があり、espeak-ng --voices(すべての場合)またはたとえばespeak-ng --voices=en(英語の場合)でリストできます。これらは-v、例えばスコットランド語やスワヒリ語のように、言語の略語またはファイル名とともに設定できます。

espeak-ng -v en-gb-scotland "text to read" # language name
espeak-ng -v bnt/sw "text to read" # file name: “bnt” for Bantu, “sw” for Swahili

他の多くのオプションが利用可能です。例えば-s、速度や-w出力をwaveファイルに書き込むために、以下にリンクされているマンページを参照してください。

参考文献

espeak-ng(「次世代」の「ng」)は、オリジナルのespeak音声合成ソフトウェアの活発に開発されたフォークです。Wikipediaの歴史の章を参照してください。どちらもパッケージを介して、espeakまたはespeak-ngそれぞれ公式のソースから入手できます。


0

WineのBalabolkaは(私にとっては)SAPI4音声で正常に機能します(LinuxシステムではSAPI5音声は検出されません)。ファイルを開き、読み取りを開始できます。

以下は、BalabolkaのwineのAppDBエントリへのリンクです:https ://appdb.winehq.org/objectManager.php?sClass=application&iId=17859


0

gTTSツールは、テキストからオーディオファイルを生成するのに最適です。Google翻訳の音声合成APIを使用して、mp3ファイルを生成します。インストール
に使用pipする場合、Minicondaをインストールしてから、gTTSをインストールcondaできる環境を作成することを強くお勧めします。こちらからMinicondaをダウンロードできます。

https://docs.conda.io/en/latest/miniconda.html

gTTSのGitHubリポジトリは次のとおりです。

https://github.com/pndurette/gTTS

また、gTTSのドキュメントは次の場所にあります。

https://gtts.readthedocs.io/en/latest/

弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.