استفاده از gTTS برای تبدیل متن به گفتار در پایتون

در دنیای امروز، تبدیل متن به گفتار (Text-to-Speech یا TTS) کاربردهای فراوانی دارد. از کمک به افراد نابینا و کم‌بینا گرفته تا ایجاد محتوای صوتی برای آموزش، سرگرمی و اطلاع‌رسانی، TTS نقشی مهم ایفا می‌کند. در پایتون، کتابخانه‌های متعددی برای انجام این کار وجود دارند، اما یکی از ساده‌ترین و در عین حال قدرتمندترین آن‌ها، کتابخانه gTTS (Google Text-to-Speech) است. این مقاله به بررسی جامع gTTS، نحوه نصب، استفاده و کاربردهای آن می‌پردازد. این آموزش در دسته بندی ‘کتابخانه‌های خاص و کاربردی’ در آموزش پایتون قرار می‌گیرد.

مقدمه‌ای بر gTTS

gTTS یک کتابخانه پایتون است که از API سرویس Google Translate برای تولید گفتار از متن استفاده می‌کند. این کتابخانه به شما امکان می‌دهد متن را به زبان‌های مختلف تبدیل کرده و آن را به صورت فایل صوتی ذخیره کنید یا مستقیماً پخش کنید. یکی از مزایای اصلی gTTS، سهولت استفاده و کیفیت بالای صدای تولید شده است. این کتابخانه به صورت رایگان قابل استفاده است، اما به اتصال اینترنت نیاز دارد زیرا برای تولید صدا از API گوگل استفاده می‌کند.

نصب gTTS

نصب gTTS بسیار ساده است و می‌توانید از pip، مدیر بسته پایتون، برای این کار استفاده کنید. کافی است دستور زیر را در ترمینال یا خط فرمان خود اجرا کنید:

pip install gTTS

پس از اتمام نصب، می‌توانید gTTS را در برنامه‌های پایتون خود import کنید.

نحوه استفاده از gTTS

برای استفاده از gTTS، ابتدا باید کتابخانه را import کنید:

from gtts import gTTS

سپس، یک شیء gTTS ایجاد کنید. این شیء به عنوان رابطی برای تولید گفتار عمل می‌کند. پارامترهای اصلی این شیء عبارتند از:

• text: متنی که می‌خواهید به گفتار تبدیل کنید.
• lang: زبان متن. کد زبان را می‌توانید از لیست زبان‌های پشتیبانی شده گوگل پیدا کنید.
• slow: یک مقدار بولی که تعیین می‌کند آیا گفتار با سرعت کمتری تولید شود یا خیر. مقدار پیش‌فرض False است.

مثال:

text = "سلام دنیا! این یک مثال ساده از استفاده از gTTS است."
language = 'fa'
tts = gTTS(text=text, lang=language, slow=False)

پس از ایجاد شیء gTTS، می‌توانید گفتار را به دو صورت ذخیره یا پخش کنید:

ذخیره گفتار در فایل صوتی

برای ذخیره گفتار در یک فایل صوتی، از متد save() استفاده کنید. این متد یک پارامتر می‌گیرد که نام فایل صوتی را مشخص می‌کند:

tts.save("hello.mp3")

این کد، گفتار تولید شده را در فایلی به نام “hello.mp3” ذخیره می‌کند.

پخش مستقیم گفتار

برای پخش مستقیم گفتار، می‌توانید از متد play() استفاده کنید. این متد به طور پیش‌فرض از یک پخش‌کننده صوتی سیستم‌عامل استفاده می‌کند. برای استفاده از این متد، باید کتابخانه playsound را نصب کنید:

pip install playsound

سپس، می‌توانید از کد زیر برای پخش مستقیم گفتار استفاده کنید:

from playsound import playsound
tts.save("temp.mp3")
playsound("temp.mp3")

این کد ابتدا گفتار را در یک فایل موقت به نام “temp.mp3” ذخیره می‌کند و سپس آن را با استفاده از playsound پخش می‌کند.

تنظیمات پیشرفته gTTS

gTTS تنظیمات پیشرفته‌تری نیز ارائه می‌دهد که به شما امکان می‌دهد کیفیت و ویژگی‌های گفتار تولید شده را سفارشی کنید.

تغییر سرعت گفتار

همانطور که قبلاً اشاره شد، پارامتر slow در شیء gTTS سرعت گفتار را تعیین می‌کند. اگر slow را برابر True قرار دهید، گفتار با سرعت کمتری تولید می‌شود.

انتخاب جنسیت صدا

متاسفانه، gTTS به طور مستقیم امکان انتخاب جنسیت صدا را فراهم نمی‌کند. با این حال، می‌توانید با تغییر زبان و لهجه، به نتایج متفاوتی دست یابید که ممکن است صدای مردانه یا زنانه را شبیه‌سازی کنند.

استفاده از لهجه‌های مختلف

برخی از زبان‌ها در gTTS دارای لهجه‌های مختلفی هستند. برای مثال، برای زبان انگلیسی می‌توانید از لهجه‌های مختلفی مانند ‘en-US’ (آمریکایی)، ‘en-GB’ (بریتانیایی) و ‘en-AU’ (استرالیایی) استفاده کنید.

text = "Hello world!"
language = 'en-GB'
tts = gTTS(text=text, lang=language, slow=False)
tts.save("hello_british.mp3")

کاربردهای gTTS

gTTS کاربردهای فراوانی دارد. در اینجا به چند مورد از آن‌ها اشاره می‌کنیم:

• کمک به افراد نابینا و کم‌بینا: gTTS می‌تواند برای خواندن متن‌های موجود در وب‌سایت‌ها، کتاب‌ها و سایر منابع به افراد نابینا و کم‌بینا کمک کند.
• ایجاد کتاب‌های صوتی: gTTS می‌تواند برای تبدیل متن کتاب‌ها به فایل‌های صوتی استفاده شود و کتاب‌های صوتی ایجاد کند.
• آموزش زبان: gTTS می‌تواند برای کمک به یادگیری زبان‌های جدید استفاده شود. با گوش دادن به تلفظ صحیح کلمات و عبارات، می‌توانید مهارت‌های شنیداری و گفتاری خود را بهبود بخشید.
• ایجاد محتوای صوتی برای وب‌سایت‌ها و برنامه‌ها: gTTS می‌تواند برای ایجاد محتوای صوتی برای وب‌سایت‌ها و برنامه‌ها استفاده شود. این می‌تواند تجربه کاربری را بهبود بخشد و محتوای شما را برای مخاطبان بیشتری قابل دسترس کند.
• سیستم‌های پاسخگویی صوتی: gTTS می‌تواند در سیستم‌های پاسخگویی صوتی (IVR) برای ارائه اطلاعات به کاربران استفاده شود.

نکات مهم و محدودیت‌ها

در حالی که gTTS یک ابزار قدرتمند و آسان برای استفاده است، مهم است که از محدودیت‌های آن آگاه باشید:

• نیاز به اتصال اینترنت: gTTS برای تولید صدا به اتصال اینترنت نیاز دارد.
• وابستگی به API گوگل: gTTS به API سرویس Google Translate وابسته است. اگر API گوگل در دسترس نباشد یا محدودیت‌هایی اعمال شود، gTTS نیز تحت تأثیر قرار خواهد گرفت.
• کیفیت صدا: کیفیت صدای تولید شده توسط gTTS معمولاً خوب است، اما ممکن است در برخی موارد به اندازه صدای تولید شده توسط سیستم‌های TTS حرفه‌ای نباشد.
• محدودیت طول متن: API گوگل ممکن است محدودیت‌هایی در مورد طول متنی که می‌توانید به گفتار تبدیل کنید اعمال کند.

نتیجه‌گیری

gTTS یک کتابخانه پایتون ساده و قدرتمند برای تبدیل متن به گفتار است. با استفاده از gTTS، می‌توانید به راحتی متن را به زبان‌های مختلف تبدیل کرده و آن را به صورت فایل صوتی ذخیره کنید یا مستقیماً پخش کنید. این کتابخانه کاربردهای فراوانی دارد و می‌تواند در زمینه‌های مختلفی مانند کمک به افراد نابینا و کم‌بینا، ایجاد کتاب‌های صوتی، آموزش زبان و ایجاد محتوای صوتی برای وب‌سایت‌ها و برنامه‌ها مورد استفاده قرار گیرد. با این حال، مهم است که از محدودیت‌های gTTS آگاه باشید و در صورت نیاز از سیستم‌های TTS حرفه‌ای‌تر استفاده کنید.