最近需要录制视频，讲解产品，和市场人员讲解功能点。

现在AI不是很火么，想搞个AI自动播报。

开始我尝试用pyttsx3，发现机器发声，效果不好。

想想以前折腾，别人用Edge文本播报功能做了个产品。结果去搜，需要钱了。

然后继续搜，发现有个库，直接可以用这个库来实现。

虽然这方面的介绍不多，我尝试了一下，效果还是可以的。

Edge-TTS介绍

Edge-TTS是一个Python库，它使用微软的Azure Cognitive Services来实现文本到语音转换（TTS）。该库提供了一个简单的API，可以将文本转换为语音，并且支持多种语言和声音。要使用Edge-TTS库，首先需要安装上Edge-TTS库，安装直接使用pip 进行安装即可。

终端下执行以下命令安装

pip install edge-tts

安装成功后，直接在终端运行edge-tts命令：

edge-tts

显示帮助菜单即代表安装成功：➜ Downloads edge-ttsusage: edge-tts [-h] [-t TEXT] [-f FILE] [-v VOICE] [-l] [--rate RATE] [--volume VOLUME] [-O OVERLAPPING] [--write-media WRITE_MEDIA] [--write-subtitles WRITE_SUBTITLES] [--proxy PROXY]

随后输入命令：

edge-tts --list

-voices

该命令可以将Edge浏览器中，内置的语言角色列表列出来

一望而知，几乎支持所有主流的通用语，Gender字段为合成语音的性别，Male代表男性，Female代表女性，zh开头的就是中文语音角色，这里以微软的小伊为例子：

edge-tts --voice zh-CN-XiaoyiNeural --text "你好啊，我是智能语音助手"

--write-media hello_in_cn.mp3

该命令含义是通过zh-CN-XiaoyiNeural角色合成语音："你好啊，我是智能语音助手"的内容，随后将音频流写入hello_in_cn.mp3文件。

程序返回：

Downloads edge-tts --voice zh-CN-XiaoyiNeural --text "你好啊，我是智能语音助手" --write-media hello_in_cn.mp3WEBVTT00:00:00.100 --> 00:00:00.525

你好

程序会自动将时间轴和语音文本匹配输出，如此一来，连字幕文件也有了，可谓是一举两得，一箭双雕。

与此同时，我们也可以调整合成语音的语速：

edge-tts --rate=-50% --voice zh-CN-XiaoyiNeural --text "你好啊，我是智能语音助手"

--write-media hello_in_cn.mp3

--rate参数可以通过加号或者减号同步加快或者减慢合成语音的语速。

亦或者，调整合成语音的音量：

edge-tts --volume=-50% --voice zh-CN-XiaoyiNeural --text "你好啊，我是智能语音助手"

--write-media hello_in_cn.mp3

python脚本语音合成

除了通过命令进行语音合成，edge-tts也支持在Python脚本，编辑test.py文件：import

edge_tts

import

asyncio

TEXT = "你干嘛去了？听闻远方有你"

print(TEXT)

voice = zh-CN-YunyangNeuraloutput = voicetest.mp3rate = +0%volume = +0%async def my_function

():

tts = edge_tts.Communicate(text=TEXT, voice=voice, rate=rate, volume=volume)

await

tts.save(output)

if __name__ == __main__

:

asyncio.run(my_function())

开始使用"zh-CN-XiaoyiNeural"这个主播来播放，感觉总少了那个味，于是换"zh-CN-YunyangNeura",结果是好听多了。

也可也通过条件，来查找想要的音色import

asyncio

import

random

import

edge_tts

from edge_tts import

VoicesManager

TEXT = "中文语音测试"OUTPUT_FILE ="china.mp3"async def _main() -> None

:

voices = await

VoicesManager.create()

voice = voices.find(Gender="Female", Language="zh"

)

communicate = edge_tts.Communicate(TEXT, random.choice(voice)["Name"

])

await

communicate.save(OUTPUT_FILE)

if __name__ == "__main__"

:

asyncio.run(_main())

你还可以通过 --rate 和 --volume 选项来调整语速和音量，-50% 代表降低语速/音量。

edge-tts --rate=-50% --text "Hello, world!"

--write-media hello_with_rate_halved.mp3

edge-tts --volume=-50% --text "Hello, world!"

--write-media hello_with_volume_halved.mp3

声音问题解决了，我想给视频添加字幕，用gtp生成了代碼。但是，运行报错：

"This error can be due to the fact that ImageMagick", 根本原因，是本机没装ImageMagick, 其实这个包，包含了ffmeg, 在本机上装一个ImageMagick，就解决了所有问题。

moviepy 安装之ImageMagick安装

这是因为ImageMagick没有安装

3、安装ImageMagick软件：

(1)、下载对应版本的软件：[https://www.imagemagick.org/script/index.php][https_www.imagemagick.org_script_index.php]

(2)、安装好，修改moviepy包（\Lib\site-packages\moviepy\）中的config_defaults.py文件，修改之后如下：import

os

FFMPEG_BINARY = os.getenv(FFMPEG_BINARY, ffmpeg-imageio

)

# IMAGEMAGICK_BINARY = os.getenv(IMAGEMAGICK_BINARY, auto-detect) # 这是注释掉原来的IMAGEMAGICK_BINARY = r"D:\Program Files\ImageMagick-7.0.8-Q16\magick.exe" # 这是要添加ImageMagic的安装路径

这个问题又解决了。

要生成视频，就可以用pynimate来生成数据视频：def generate_vedio

():

df = pd.DataFrame(

{

"time": ["1960-01-01", "1961-01-01", "1962-01-01"

],

"Afghanistan": [1, 2, 3

],

"Angola": [2, 3, 4

],

"Albania": [1, 2, 5

],

"USA": [5, 3, 4

],

"Argentina": [1, 4, 5

],

}

).set_index("time"

)

cnv = nim.Canvas()

bar = nim.Barplot(df, "%Y-%m-%d", "2d"

)

bar.set_time(callback=lambda

i, datafier: datafier.data.index[i].year)

cnv.add_plot(bar)

cnv.animate()

cnv.save("file", 24, "gif"

)

最后还有一个问题，那就是保存动画，有两个格式可以选择：gif或者mp4。

保存为动图一般使用：

cnv.save("file", 24, "gif")若要保存为mp4的话，ffmpeg是个不错的选择，它是保存为mp4的标准编写器。

pip install ffmpeg-python，同样也可以使用Canvas.save()来保存。

但是即便我加了ffmpeg,仍然保存不成功，于是用import moviepy.editor 来保存的。

添加背景音乐，def add_audio_to_vedio_in_place

(audio_file, vedio_file, time_place):

video = mp.VideoFileClip(vedio_file)

audio = mp.AudioFileClip(audio_file)

mixed = mp.CompositeAudioClip([audio.set_duration(video.duration).set_start(2, change_end=True

)])

# video = video.set_audio(audio.set_duration(video.duration).set_start(time_place))

video = video.set_audio(mixed)

video.write_videofile("new_video4.mp4"

)

生成字幕文件：

def generate_str

():

# 创建一个新的字幕文件

subs = pysrt.SubRipFile()

# 添加字幕 subs.append(pysrt.SubRipItem(index=1, start=pysrt.SubRipTime(0, 0, 1, 0), end=pysrt.SubRipTime(0, 0, 5, 0

),

text="世界大战"

))

subs.append(pysrt.SubRipItem(index=2, start=pysrt.SubRipTime(0, 0, 6, 0), end=pysrt.SubRipTime(0, 0, 10, 0

),

text="世界和平"

))

# 保存字幕文件 subs.save("example.srt"

)

添加字幕：

def add_srt

(src_file, video_file):

video = mp.VideoFileClip(video_file)

# 获取视频的宽度和高度

w, h = video.w, video.h

# 所有字幕剪辑

txts = []

content = read_srt(src_file)

sequences = get_sequences(content)

for line in sequences: if len(line) < 3

:

continue

sentences = line[2

]

start = line[1].split( --> )[0

]

end = line[1].split( --> )[1

]

start = strFloatTime(start)

end = strFloatTime(end

)

start, end = map(float, (start, end

))

span = end

- start

txt = (mp.TextClip(sentences, fontsize=40

,

font=SimHei, size=(w - 20, 40

),

align=center, color=red

)

.set_position((10, h - 150

))

.set_duration(span)

.set_start(start))

txts.append(txt)

# 合成视频，写入文件

video = mp.CompositeVideoClip([video, *txts])

fn, ext = splitext(video_file)

video.write_videofile(f{fn}_2带字幕{ext}

)

这样，一个自动化视频就制作完成了。

经常看到视频，自动数据播报，或者人情世故鸡汤等，估计就是用这样批量生产的，看来我找到了流量密码。