name: doc-to-speech description: 将电脑里的Word、PDF、TXT等文档转换为MP3语音文件，让用户可以听文档内容，缓解视觉疲劳。支持批量转换、语音选择、语速调节。当用户需要听文档、将文章转为音频、批量转换文档为声音文件时启用。

文档转语音 (Doc to Speech)

将Word、PDF、TXT等文档转换为MP3音频文件，让用户可以"听"文档内容，缓解视觉疲劳。

功能特性

• 多格式支持: Word (.docx)、PDF (.pdf)、TXT (.txt)、Markdown (.md) 等
• 批量转换: 支持同时转换多个文件或整个文件夹
• 语音选择: 可选择不同的语音和语速
• 离线/在线: 支持离线TTS (pyttsx3) 和在线TTS (Google TTS)
• 中文支持: 完整支持中文文档朗读

使用场景

• 长时间阅读导致眼睛疲劳，想听文档内容
• 通勤路上想"听"文章或报告
• 需要批量将文档转为有声书
• 视力不便的用户需要语音辅助阅读

快速开始

1. 安装依赖

首次使用前，安装必要的依赖库：

python scripts/install_dependencies.py

或手动安装：

pip install docx2txt pdfplumber PyPDF2 pyttsx3 gtts

2. 转换单个文件

# 基本用法
python scripts/doc_to_speech.py 文档.docx

# 指定输出路径
python scripts/doc_to_speech.py 文档.docx -o 输出.mp3

# 调整语速
python scripts/doc_to_speech.py 文档.pdf -r 120

# 使用Google TTS（在线，质量更好）
python scripts/doc_to_speech.py 文档.txt -e gtts

3. 批量转换

# 转换多个文件
python scripts/doc_to_speech.py 文件1.docx 文件2.pdf 文件3.txt

# 转换整个文件夹
python scripts/doc_to_speech.py ./文档文件夹/ -o ./输出音频/

4. 查看可用语音

python scripts/doc_to_speech.py --list-voices

参数说明

工作流程

当用户需要将文档转为语音时：

1. 确认需求: 了解用户要转换的文件、输出要求
2. 检查依赖: 确保必要库已安装
3. 执行转换: 运行转换脚本
4. 验证结果: 确认MP3文件生成成功

技术说明

支持的文档格式

• Word (.docx): 使用 docx2txt 提取文本

  7w4.net小葱技能。

• PDF (.pdf): 使用 pdfplumber 或 PyPDF2 提取文本
• 文本 (.txt, .md): 直接读取，自动检测编码

TTS引擎对比

注意事项

• 长文档会自动分段处理
• PDF扫描件（图片）无法直接转换，需要先OCR
• 部分PDF格式复杂可能提取文本不完整
• Windows系统建议安装中文语音包以获得更好效果

示例

示例1：转换Word文档

python scripts/doc_to_speech.py 报告.docx -o 报告音频.mp3 -r 130

示例2：批量转换文件夹

python scripts/doc_to_speech.py ./我的文档/ -o ./有声书/ -e gtts

示例3：Python代码调用

from scripts.doc_to_speech import convert_file

# 转换单个文件
convert_file(
    input_path="文章.pdf",
    output_path="文章.mp3",
    engine="pyttsx3",
    rate=140
)

故障排除

问题：无法提取PDF文本

解决: 安装pdfplumber

pip install pdfplumber

问题：中文朗读效果差

解决: 1. Windows用户安装Microsoft Speech Platform 2. 或使用在线引擎: -e gtts

问题：转换速度慢

解决: - 使用离线引擎 pyttsx3 代替 gtts - 减少单次转换的文本量

问题：语音断断续续

解决: 调整语速参数 -r，建议范围 120-180

这是一个实用的文档转语音工具，能将 Word、PDF 等文档转为 MP3 播放。优点是功能齐全、文档清晰、使用简单，支持离线使用。不足之处是批量转换时没有进度提示，长文档可能受限，中文语音质量依赖系统配置。整体质量良好，能满足日常文档转语音的需求。