Python 实现文本转语音超详细教程！一键生成 MP3 文件！
原创
Python 实现文本转语音超详细教程！一键生成 MP3 文件！
原创
小白的大数据之旅
发布于 2025-12-02 16:27:24
发布于 2025-12-02 16:27:24
Python 实现文本转语音超详细教程！一键生成 MP3 文件！
不管你是想做个 “听书工具”，还是给程序加个语音提醒功能，Python 的文本转语音（TTS）都能帮你搞定。今天咱们就用 pyttsx3 这个库，从零开始实现 “文字变声音”，还能直接存成 MP3 文件。全程大白话，代码复制就能跑，新手也能学会！
一、先搞懂基础：为什么选 pyttsx3？
在开始之前，先跟你说下为啥选这个库 —— 毕竟 Python 做 TTS 的库不止一个：
- 有的库（比如 gTTS）需要联网才能用，断网就歇菜；
- 有的库依赖太多，装起来麻烦；
- 而 pyttsx3 是 “离线选手”，不用联网，还能自由调语速、音量，支持 Windows/macOS/Linux，最关键的是：能直接保存成 MP3！
对新手来说，这简直是 “傻瓜级工具”，所以咱们就认准它了。
二、准备工作：先把环境搭好
要干活，得先把 “工具” 装到位。就两步：装 Python、装 pyttsx3。
1. 装 Python（已装的跳过）
- 去 Python 官网（https://www.python.org/ ）下载，选 3.7 以上版本（太老的版本可能有兼容问题）；
- 安装时一定要勾上 “Add Python to PATH”（不然后续命令行找不到 Python）；
- 装完后验证：打开命令提示符（Win+R 输入 cmd 回车），输入
python --version，能显示版本号就说明装好了。
2. 装 pyttsx3 库
还是在命令提示符里，输入下面这句命令，按回车等着就行：
pip install pyttsx3正常情况下，几十秒就装完了。但 Windows 系统可能会出 “小插曲”—— 往下看，专门解决！
三、Windows 专属：解决依赖问题
很多人装完 pyttsx3 后，一运行就报错，比如 “找不到 pywin32”“com_error” 之类的。这是因为 Windows 需要一个额外的依赖库：pywin32（用来调用系统的语音引擎）。
解决办法：手动装 pywin32
- 先查自己的 Python 版本和系统位数：
- 命令提示符输入
python --version，比如显示 “Python 3.10.11”，就是 3.10 版本； - 看系统是 32 位还是 64 位：桌面 “此电脑” 右键→属性，就能看到。
- 下载对应版本的 pywin32：
- 去这个网站下载（别担心，是官方可靠源）：https://www.lfd.uci.edu/~gohlke/pythonlibs/#pywin32
- 找到 “pywin32” 开头的文件，比如你的 Python 是 3.10、64 位系统，就选 “pywin32-227-cp310-none-win_amd64.whl”（cp310 对应 Python3.10，win_amd64 对应 64 位）。
- 安装下载好的文件：
- 打开命令提示符，先切换到下载文件的文件夹（比如下载到桌面，就输入
cd Desktop）； - 输入安装命令，格式是
pip install 文件名，比如：
pip install pywin32-227-cp310-none-win_amd64.whl- 装完再运行 pyttsx3，就不会报错了。
四、入门：先跑通一个简单示例
环境搭好后，咱们先写个 “Hello World” 级别的代码，感受下文本转语音的效果。
代码示例（复制就能跑）
# 1. 导入pyttsx3库
import pyttsx3
# 2. 初始化语音引擎（核心工具，所有操作都靠它）
engine = pyttsx3.init()
# 3. 让引擎“说”指定的文字
engine.say("大家好！我是用Python的pyttsx3库做的语音，是不是很神奇？")
# 4. 等待语音说完（如果没有这句，程序会直接结束，听不到声音）
engine.runAndWait()
# 5. 关闭引擎（可选，不写也能运行，但养成好习惯）
engine.stop()逐行解释：
- 第 1 行：把 pyttsx3 库引进来，不然没法用它的功能；
- 第 2 行：
init()就是 “启动引擎”，你可以理解成 “打开语音工具的开关”； - 第 3 行：
say()里写要转语音的文字，支持中文哦； - 第 4 行：
runAndWait()是 “等语音说完再往下走”，没这句的话，程序一闪而过，声音还没出来就结束了； - 第 5 行：
stop()关闭引擎，释放资源，不写也能跑，但大型程序里建议加上。
运行后，你就能听到电脑在念你写的文字了！是不是很简单？
五、进阶：创建 TextToSpeech 工具类（自由调参数）
刚才的简单示例只能 “固定语音、固定语速”，不够灵活。咱们现在创建一个 TextToSpeech 类，把 “列语音、调语速、改音量、存 MP3” 这些功能都封装进去，以后想用直接调用就行。
完整工具类代码
import pyttsx3
class TextToSpeech:
def __init__(self):
"""初始化语音引擎，默认设置"""
# 启动引擎
self.engine = pyttsx3.init()
# 默认语速（范围：100-300，越大越快，默认200）
self.default_rate = 200
# 默认音量（范围：0.0-1.0，越大越响，默认1.0）
self.default_volume = 1.0
# 初始化时设置默认语速和音量
self.set_rate(self.default_rate)
self.set_volume(self.default_volume)
def list_available_voices(self):
"""列出电脑里所有可用的语音类型（比如中文、英文）"""
# 获取所有语音列表
voices = self.engine.getProperty('voices')
# 用表格形式打印，清晰
print("="*80)
print(f"{'序号':<5} {'语音ID':<20} {'语音名称':<30} {'支持语言':<10}")
print("="*80)
for index, voice in enumerate(voices):
# 语音ID：系统识别用的标识
voice_id = voice.id
# 语音名称：比如“Microsoft 慧涛”（中文）、“Microsoft David”（英文）
voice_name = voice.name
# 支持语言：比如zh-CN（中文）、en-US（英文）
voice_lang = voice.language
print(f"{index:<5} {voice_id:<20} {voice_name:<30} {voice_lang:<10}")
print("="*80)
print("提示：设置语音时，用上面的“序号”即可")
def set_voice(self, voice_index):
"""
设置语音类型
:param voice_index: 语音序号（从list_available_voices()里看）
"""
voices = self.engine.getProperty('voices')
# 先判断序号是否合法
if 0 <= voice_index < len(voices):
self.engine.setProperty('voice', voices[voice_index].id)
print(f"已设置语音：{voices[voice_index].name}（{voices[voice_index].language}）")
else:
print(f"序号不合法！可用序号范围：0-{len(voices)-1}")
def set_rate(self, rate):
"""
设置语速
:param rate: 语速值（范围100-300，默认200，建议别超过300，不然听不懂）
"""
if 100 <= rate <= 300:
self.engine.setProperty('rate', rate)
print(f"已设置语速：{rate}（正常语速建议200）")
else:
print("语速值不合法！请设置100-300之间的数")
def set_volume(self, volume):
"""
设置音量
:param volume: 音量值（范围0.0-1.0，比如0.5是一半音量，1.0是最大）
"""
if 0.0 <= volume <= 1.0:
self.engine.setProperty('volume', volume)
print(f"已设置音量：{volume}（0.0最小，1.0最大）")
else:
print("音量值不合法！请设置0.0-1.0之间的数")
def speak_text(self, text):
"""
朗读文本
:param text: 要朗读的文字（支持中文、英文）
"""
if not text:
print("请输入要朗读的文字！")
return
print(f"正在朗读：{text}")
self.engine.say(text)
self.engine.runAndWait()
def save_text_to_mp3(self, text, save_path):
"""
把文本转成MP3文件保存
:param text: 要转换的文字
:param save_path: 保存路径（比如"D:/test.mp3"）
"""
if not text:
print("请输入要转换的文字！")
return
if not save_path.endswith(".mp3"):
print("保存路径必须以.mp3结尾！比如"D:/audio.mp3"")
return
print(f"正在保存MP3：{save_path}")
# 1. 设置要保存的文本
self.engine.save_to_file(text, save_path)
# 2. 等待保存完成（必须加这句，不然文件是空的）
self.engine.runAndWait()
print(f"MP3保存成功！路径：{save_path}")工具类功能汇总（表格更清晰）
方法名 | 功能描述 | 关键参数 | 注意事项 |
|---|---|---|---|
| 列出电脑所有可用语音（中文 / 英文等） | 无 | 用 “序号” 来选择语音 |
| 设置语音类型 | voice_index：语音序号 | 序号要从列表里找，不能乱输 |
| 设置语速 | rate：100-300（默认 200） | 超过 300 会太快，低于 100 会太慢 |
| 设置音量 | volume：0.0-1.0（默认 1.0） | 0.0 是静音，1.0 是最大声 |
| 直接朗读文本 | text：要朗读的文字 | 支持中文、英文混合 |
| 保存文本为 MP3 文件 | text：文字；save_path：保存路径 | 路径必须以.mp3 结尾，要等保存完成 |
六、实战：用工具类实现 “朗读 + 保存 MP3”
光有类不行，咱们得实际用一下，比如 “用中文语音、中等语速、一半音量，朗读一段文字并保存成 MP3”。
实战代码示例
# 1. 导入咱们刚才写的TextToSpeech类（如果在同一个文件里，直接用就行）
# from 你的文件名 import TextToSpeech （如果类在其他文件，要这么导入）
# 2. 创建工具类实例
tts = TextToSpeech()
# 3. 第一步：先看电脑里有哪些语音（找中文语音的序号）
print("=== 电脑可用语音列表 ===")
tts.list_available_voices()
# 4. 第二步：设置参数（比如选中文语音，序号假设是1，具体看你电脑的列表）
tts.set_voice(1) # 这里的1要换成你电脑里中文语音的实际序号
tts.set_rate(180) # 语速180，比默认慢一点，更清晰
tts.set_volume(0.7) # 音量0.7，不吵人
# 5. 第三步：朗读一段文字
print("n=== 开始朗读 ===")
test_text = "Python文本转语音教程：今天我们用pyttsx3库实现了文字转语音，还能保存成MP3文件。这个工具类真好用，以后再也不用手动录音了！"
tts.speak_text(test_text)
# 6. 第四步：把这段文字保存成MP3（保存到D盘根目录）
print("n=== 开始保存MP3 ===")
save_path = "D:/python_tts_demo.mp3" # 注意：路径里的斜杠是"/"，不是""
tts.save_text_to_mp3(test_text, save_path)
# 7. 结束后关闭引擎
tts.engine.stop()
print("n操作完成！")运行步骤和效果：
- 运行代码后，先会打印出你电脑的语音列表，比如：
================================
序号 语音ID 语音名称 支持语言
================================
0 HKEY_LOCAL_MACHINE... Microsoft David Desktop en-US
1 HKEY_LOCAL_MACHINE... Microsoft 慧涛 zh-CN
================================
提示：设置语音时，用上面的“序号”即可这时你就知道中文语音的序号是 1，所以set_voice(1)就对了。
- 然后会朗读那段文字，语速 180，音量 0.7。
- 最后会在 D 盘根目录生成一个叫 “python_tts_demo.mp3” 的文件，打开就能听。
七、常见问题和错误（避坑指南）
刚用的时候肯定会遇到问题，我把最常见的列出来，教你怎么解决：
1. 运行报错：ModuleNotFoundError: No module named 'pyttsx3'
- 原因：没装 pyttsx3 库，或者装了但 Python 没找到。
- 解决：
- 打开命令提示符，输入
pip install pyttsx3重新安装； - 如果还报错，检查是不是用了多个 Python 版本（比如装了 Python3.8 和 3.10），要给对应版本装：
- 比如用 Python3.10 的 pip，命令是
pip3.10 install pyttsx3。
2. Windows 报错：pywintypes.com_error: (-2147352567, ' 发生意外。', ...)
- 原因：要么是没装 pywin32 依赖，要么是系统语音引擎损坏了。
- 解决：
- 先按前面的方法装 pywin32；
- 如果还报错，修复系统语音引擎：
- 打开 “控制面板”→“时钟和区域”→“区域”→“管理”→“更改系统区域设置”，选 “中国（中文，中国）”，重启电脑；
- 重启后再试试，一般就能好。
3. 保存的 MP3 文件没声音，或者文件大小只有几 KB
- 原因：没调用
engine.runAndWait()，保存操作没执行完。 - 解决：保存 MP3 时，一定要在
save_to_file()后面加runAndWait()，就像咱们工具类里那样：
self.engine.save_to_file(text, save_path)
self.engine.runAndWait() # 这句不能少！4. 语速太快 / 太慢，听不懂
- 原因：语速值设得太极端了。
- 解决：把
set_rate()的参数设在 150-250 之间，比如 180、200，这个范围最舒服。
5. 找不到中文语音，列表里只有英文
- 原因：Windows 系统默认可能没装中文语音包。
- 解决：给 Windows 装中文语音：
- 打开 “设置”→“时间和语言”→“语音”；
- 在 “语音选择” 里，如果没有中文，点 “添加语音”；
- 选择 “中文（中国）” 的语音包（比如 “Microsoft 慧涛”），下载安装；
- 重启 Python，再运行
list_available_voices()，就能看到中文语音了。
八、面试会问到的问题（加分答案）
如果面试时被问到 “Python 怎么实现文本转语音”，别只说 “用 pyttsx3”，要把细节说清楚，才能加分。我整理了常考的问题和回答思路：
1. 面试官：Python 实现文本转语音有哪些库？pyttsx3 相比其他库有什么优势？
- 回答：
常见的库有 3 个：pyttsx3、gTTS、TTS。
pyttsx3 的优势主要是 3 点：
- 离线可用：不用联网，gTTS 必须联网才能生成语音，断网就用不了；
- 支持多平台：Windows、macOS、Linux 都能用，而且能调用系统自带的语音引擎，不用额外装其他东西；
- 灵活可调：能直接设置语速、音量、语音类型，还能保存成 MP3，其他库要么调不了参数，要么保存麻烦。
2. 面试官：pyttsx3 怎么把文本保存成 MP3？需要注意什么？
- 回答：
分两步：
- 先用
engine.save_to_file(text, save_path)设置要保存的文本和路径； - 再调用
engine.runAndWait()，等待保存完成。
注意事项有 2 个：
- 保存路径必须以.mp3 结尾，不然会报错；
- 一定要加
runAndWait()，因为 pyttsx3 的操作是 “异步” 的，没这句的话，保存操作不会执行，文件就会是空的。
3. 面试官：如何获取电脑中所有可用的语音类型？用代码举例说明。
- 回答：
用 pyttsx3 的engine.getProperty('voices')就能获取所有语音列表，然后循环遍历打印出来。比如：
import pyttsx3
engine = pyttsx3.init()
voices = engine.getProperty('voices')
for index, voice in enumerate(voices):
print(f"序号：{index}，名称：{voice.name}，语言：{voice.language}")这样就能看到每个语音的序号、名称和支持的语言，然后用engine.setProperty('voice', voices[序号].id)来选择语音。
4. 面试官：pyttsx3 中语速和音量的调整范围是多少？怎么设置？
- 回答：
语速范围是 100-300，默认是 200；音量范围是 0.0-1.0，默认是 1.0。
设置方法用setProperty()：
import pyttsx3
engine = pyttsx3.init()
# 设置语速为180（比默认慢一点）
engine.setProperty('rate', 180)
# 设置音量为0.7（70%音量）
engine.setProperty('volume', 0.7)语速建议设 150-250，音量设 0.5-0.8，这样听着最舒服。
5. 面试官：Windows 下用 pyttsx3 报错，可能的原因有哪些？怎么解决？
- 回答：
最常见的原因有 2 个：
- 缺少 pywin32 依赖：解决方法是下载对应 Python 版本的 pywin32 wheel 文件，用 pip 安装；
- 系统语音引擎损坏或区域设置不对：解决方法是在控制面板里把系统区域设置成中文，重启电脑，修复语音引擎；
- 没有对应语言的语音包：解决方法是在 Windows 设置里添加对应的语音包（比如中文语音），然后重启 Python 再用。
九、总结
到这里，整个教程就结束了。咱们从环境搭建、基础示例，到创建灵活的工具类，再到解决常见问题和面试题，把 pyttsx3 实现文本转语音的知识点都讲透了。
核心要点就 3 个：
- 环境搭好：Python+pyttsx3+Windows 的 pywin32；
- 工具类封装：把列语音、调参数、存 MP3 都封装好，复用方便；
- 避坑：保存 MP3 要加 runAndWait ()，报错先查依赖和语音引擎。
现在你可以自己动手试试，比如把小说片段转成 MP3 听，或者给你的 Python 程序加个语音提醒（比如 “程序运行完成啦！”）。有问题的话，回头看看常见问题部分，基本都能解决！
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
评论
登录后参与评论
推荐阅读
目录
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号