【Python】合成音声pyttsx3使い方-テキストを読み上げ

本記事を読むと以下の実行ができます

Pythonでテキストを音声として読み上げたいときには、
オフラインで動作する合成音声ライブラリ「pyttsx3」を使うと便利です。

このライブラリは、簡単にテキストを音声に変換でき、速度や音声の種類も調整可能です。
プログラムにナレーションを追加したり、読み上げアプリを開発したりする際に活躍します。

本記事では、pyttsx3の基本的な使い方から、商用利用の可否や対応言語について詳しく解説します。
公式サイト：「Pyttsx3公式ページ」

本記事は次の人におすすめ

Pythonでテキスト読み上げ機能を実装したい人
オフラインで動作する音声合成ライブラリを探している人
商用利用可能な音声合成ツールを検討している人
Pythonでナレーション付きのアプリケーションを作成したい人
朗読ソフトや支援ツールを自作したい人

pyttsx3とは？
商用利用可能か？
対応している言語は？
csvのテキストを一括でwavファイル化
- ソースコード
- 解説
実演
まとめ

pyttsx3とは？

pyttsx3は、Python用のテキスト読み上げライブラリで、
コンピュータのローカルで音声合成を行います。

インストールは、コマンドプロンプト、ターミナルでできます。

pip install pyttsx3

WindowsではSAPI5、MacOSではNSSpeechSynthesizer、Linuxではespeakを使用しており、
さまざまなプラットフォームで簡単に利用できます。pyttsx

Windows	sapi5
Mac	nsss
Linux	espeak

また、音声速度や音量、性別の調整が可能で、カスタマイズ性が高い点も特徴です。

音声の読み上げ

テキストをリアルタイムで音声として再生できます。
say()メソッドにテキストを入力し、runAndWait()メソッドで実行します。

import pyttsx3

# エンジンの初期化
engine = pyttsx3.init()

# 読み上げるテキスト
engine.say("Hello, I am reading this text.")

# 読み上げ実行
engine.runAndWait()

音声のプロパティ変更

音声の再生速度、音量、音声の性別など、細かいプロパティを変更できます。
カスタマイズした音声合成が可能です。

速度150で音量90%、男性の声で「Hello alicia-ing」と読み上げます。

import pyttsx3

engine = pyttsx3.init()

# 音量の設定（0.0 から 1.0）
engine.setProperty('volume', 0.9)

# 速度（WPM: words per minute）
engine.setProperty('rate', 150)

# 音声（性別）の変更
voices = engine.getProperty('voices')
engine.setProperty('voice', voices[0].id)  # 男性の声
#engine.setProperty('voice', voices[1].id)  # 女性の声

engine.say("Hello alicia-ing")
engine.runAndWait()

音声の保存

テキストを音声ファイル（WAV形式）として保存することができます。
save_to_file()メソッドを使用して、音声をファイルに書き出すことが可能です。

ただし、mp3ファイルは非対応です。

text= "Hello alicia-ing"
engine.save_to_file(text , 'voice.wav')

イベント制御

読み上げ開始、終了時にイベントをトリガーにして、プログラムを処理する。

再生が開始したら、「Start」とログを出力し、
再生が終了したら、「製作者と終わった時間」を取得して、ログに出力する。

import pyttsx3
from datetime import datetime

def onStart(name):
    print("Start")

def onEnd(name, completed):
    end_time = datetime.now().strftime("%H:%M:%S")  # 再生終了時刻を取得
    print(f"End, presented: {name}, completed at: {end_time}")

engine = pyttsx3.init()

# イベントの接続
engine.connect('started-utterance', lambda name: onStart("Alicia"))
engine.connect('finished-utterance', lambda name, completed: onEnd("Alicia", completed))

# 読み上げの設定と実行
engine.say("This will trigger events.")
engine.runAndWait()

商用利用可能か？

pyttsx3はオープンソースライブラリであり、商用利用も可能です。

ただし、音声エンジンに依存する部分もあるため、
合成音声エンジン自体のライセンス条件を確認する必要があります。

対応している言語は？

pyttsx3は、使用する音声エンジンに依存して、様々な言語に対応しています。
具体的には、英語、日本語、フランス語、ドイツ語など、多くの言語で音声合成が可能です。

ただし、エンジンやOSによっては、言語のサポート状況が異なります。

筆者

Windowsでは、英語、日本語、フランス語はできた。ドイツ語もできたが英語？ってなった。
韓国語は発音できず、中国語は違う気がした。

csvのテキストを一括でwavファイル化

pyttsx3を使用してCSVファイル内のテキストを一括で音声にします。

ソースコード

import pyttsx3
import csv

# pyttsx3エンジンの初期化
engine = pyttsx3.init()
rate = engine.getProperty('rate')
engine.setProperty('rate', rate-50)

# CSVファイルの読み込み
with open('word.csv', 'r', newline='', encoding='utf-8') as csvfile:
    reader = csv.reader(csvfile)
    
    # 全ての行をリストとして取得
    rows = list(reader)
    
    # 列ごとに処理
    for column in range(len(rows[0])):  # 列の数だけループ
        for index, row in enumerate(rows):
            if column < len(row):  # 列のインデックスが範囲内かチェック
                text = row[column]  # セルの値を取得
                
                # 音声ファイルの保存先を決定 
                filename = f'output_{index}.wav'
                
                # 音声をテキストから生成し、WAVファイルとして保存
                engine.save_to_file(text, filename)
                print(f'Saved: {filename}')
        
# 音声生成の実行
engine.runAndWait()

Pythonの学習進め方

Pythonでできることは多岐に渡ります。

Pythonでできること

機械学習・人工知能
データ解析・統計分析
ファイル操作・システム管理
GUIアプリ開発

Pythonは強力で柔軟なプログラミング言語ですが、常に情報がアップデートされるので、
新しいライブラリやフレームワークを独学で学び続けることは困難です。

Udemyは動画で目的に応じた講座を受講できるのでレベルを合わせて学習できます。
購入した講座は再生・停止・スキップなどが可能なオンデマンド形式なので、
専門的な内容を自分のペースで独学できます。

Udemyの特徴

プロのエンジニアによる講習が受けられる
自分のペースで学習を進められる
オンデマンド形式だから何度でも視聴可能
不満足なコースは視聴していても返金可能（返金ポリシー）

Pythonでデータサイエンスや人工知能、GUIを学びたい人はUdemy学習を取り入れましょう。
数多くある講座の中から特におすすめな講座を5つ紹介します。

夏のビックセール開催中（9月17日まで）
対象のコースが1500円から（最大95%OFF）

最大95%OFF

終了まで

時間

：

分

：

秒

現役シリコンバレーエンジニアが教えるPython 3 入門 + 応用 +アメリカのシリコンバレー流コードスタイル

Pythonをインストールから環境設定、基本文法が学習できる。さらに、モジュールの使い方やファイル操作の他に暗号化、並列化、インフラ自動化、キューイングシステム、非同期処理についても学べます。

みんなのAI講座ゼロからPythonで学ぶ人工知能と機械学習【2024年最新版】

Pythonの基礎を押さえつつ、人口知能やニューラルネットワーク、機械学習を取り扱う。機械学習ライブラリで文字認識や株価分析などを行う。

【世界で55万人が受講】データサイエンティストを目指すあなたへ〜データサイエンス25時間ブートキャンプ〜

データサイエンティストになるために必要なツールについて学ぶことができる。統計分析、NumpyやPandasなどを使ったPythonのプログラミング、機械学習の実装、ディープラーニングの実装を学習できる。

0から始めるTkinterの使い方完全マスター講座〜Python×GUIの基礎・応用〜

PythonでGUIを作成する方法を取り扱う。Tkinterの発展的な操作まで学習できる。翻訳アプリ、家計簿アプリ、電卓アプリ、音楽再生アプリなど作成して、exeファイル化する。

解説

モジュール名

「pyttsx3」：Pythonのテキストを音声に変換するためのライブラリ。テキストを音声ファイルに保存する機能が必要なため使用している。
「csv」：CSV（Comma-Separated Values）形式のファイルを読み込み、テキストデータを取得するために使用される。
Python標準ライブラリなので、インストール不要。

フィールド（メンバ変数）

「engine」：pyttsx3のエンジンを初期化し、音声合成のためのインスタンスを作成する。
「rate」：音声の速度を取得するために使用。通常のスピードよりも遅くするため、rate-50に設定される。
「csvfile」：CSVファイルを読み込むためのファイルオブジェクト。
「reader」：csv.readerによって、CSVファイルの内容を行ごとに読み込むリーダーオブジェクト。
「rows」：CSVファイルの全ての行をリストとして保持する。各行はリストの形式で格納される。
「index」：音声ファイルを保存するための番号。
「column」：CSVファイルの列インデックスを管理する変数。各列のデータを処理するために使われる。
「row」：CSVファイルの各行を指す変数。リスト形式で保持された各行のデータを処理するために使われる。
「text」：現在のセル（CSVの特定の行・列）の値をテキストとして保持する。
「filename」：音声ファイルを保存する際のファイル名。処理されているセルに基づき生成される。