数学视频动画引擎Python库 -- Manim Voiceover 语音服务 Speech Services

文中内容仅限技术学习与代码实践参考，市场存在不确定性，技术分析需谨慎验证，不构成任何投资建议。

Manim Voiceover 是一个为 Manim 打造的专注于语音旁白的插件：

直接在 Python 中添加语音旁白： 无需使用视频编辑器，即可为 Manim 视频添加语音旁白。
在渲染期间录制旁白： 通过简单的命令行界面（参见 RecorderService），可使用麦克风在渲染过程中录制语音旁白。
使用 AI 生成旁白： 利用多种免费及付费服务，开发时可直接使用 AI 自动生成的配音。
动画逐词时间标记： 实现动画与语音旁白的逐词时间标记同步，即根据语音旁白中特定词语触发相应的动画效果。即使是录制的音频，此功能也能实现。这得益于 OpenAI Whisper 技术的支持。

语音服务

Manim Voiceover 可以与各种语音合成器集成，以生成旁白音频。以下是可用服务的比较，包括它们的优缺点以及如何设置。

选择语音服务

Manim Voiceover 定义了 SpeechService 类，用于添加新的语音合成器。以下介绍的类都是从 SpeechService 派生的。

语音服务	质量	是否可以离线运行	是否付费/需要账户	注意事项
`RecorderService`	不适用	不适用	不适用	这是一个实用类，用于通过麦克风录制自己的旁白。
`AzureService`	非常好，类似人类	否	是	Azure 提供每月 500 分钟的免费 TTS 配额。然而，注册仍需要信用卡或借记卡。有关详细信息，请参阅 Azure 免费账户常见问题解答。
`ElevenLabsService`	非常好，类似人类	否	是	需要 ElevenLabs 账户。点击此处注册。
`CoquiService`	好，类似人类	是	否	需要 PyTorch 才能运行。在某些平台上可能难以设置。
`GTTSService`	好	否	否	这是一个由 Google 补贴的免费 API，因此未来可能会停止工作。
`OpenAIService`	非常好，类似人类	否	是	需要 OpenAI 开发者账户。请参阅平台以注册，并查看定价页面以了解更多信息。
`PyTTSX3Service`	差	是	否	需要 espeak。在 Mac 上运行不可靠。

可用语音服务的比较

我们计划提供一个可以在本地免费运行的高质量 TTS 引擎。如果您有任何建议，请在 Discord 服务器中告诉我们。

`RecorderService`

这不是一个语音合成器，而是一个实用类，用于通过麦克风录制自己的旁白。它提供了一个命令行界面，以便在渲染过程中录制旁白。

为了使用 RecorderService，请安装带有 recorder 额外组件的 Manim Voiceover：

bash 复制代码

pip install "manim-voiceover[recorder]"

请参阅示例用法以开始。

`AzureService`

目前，Manim Voiceover 中可用的最高质量的文本到语音服务是 Microsoft Azure 语音服务。要使用它，您需要创建一个 Azure 账户。

提示：Azure 目前每月提供 500 分钟的免费 TTS。这对于大多数项目来说已经足够。

为了使用 AzureService，请安装带有 azure 额外组件的 Manim Voiceover：

bash 复制代码

pip install "manim-voiceover[azure]"

然后，您需要找到您的订阅密钥和服务区域：

登录到 Azure 门户并创建一个新的语音服务资源。
转到 Azure 认知服务页面。
点击您创建的资源并转到 Keys and Endpoint 选项卡。复制 Key 1 和 Location 的值。

在您调用 Manim 的同一目录中创建一个名为 .env 的文件，其中包含您的身份验证信息。

ini 复制代码

AZURE_SUBSCRIPTION_KEY="..." # 在此处插入 Key 1
AZURE_SERVICE_REGION="..."   # 在此处插入 Location

请参阅 Azure 文档以了解更多信息。

请参阅示例用法以开始。

`CoquiService`

Coqui TTS 是一个开源的神经文本到语音引擎。它是 Mozilla TTS 的一个分支，而 Mozilla TTS 是 Tacotron 2 的一个实现。它是一个非常好的 TTS 引擎，能够产生类似人类的语音。然而，它需要 PyTorch 才能运行，这在某些平台上可能难以设置。

为了使用 CoquiService，请安装带有 coqui 额外组件的 Manim Voiceover：

bash 复制代码

pip install "manim-voiceover[coqui]"

如果您遇到 PyTorch 或 NumPy 的问题，请尝试将您的 Python 版本更改为 3.9。

请参阅示例用法以开始。

`GTTSService`

gTTS 是一个文本到语音库，它封装了 Google 翻译的文本到语音 API。它需要互联网连接才能工作。

为了使用 GTTSService，请安装带有 gtts 额外组件的 Manim Voiceover：

bash 复制代码

pip install "manim-voiceover[gtts]"

请参阅示例用法以开始。

`OpenAIService`

OpenAI 提供了一个文本到语音服务。这是一个通过 API 提供的服务，因此它需要互联网连接才能工作。它还需要一个 API 密钥才能使用。请在此处注册。

为了使用 OpenAIService，请安装带有 openai 额外组件的 Manim Voiceover：

bash 复制代码

pip install "manim-voiceover[openai]"

然后，您需要找到您的 API 密钥：

登录到OpenAI 平台并从左侧面板中点击 Api Keys。
点击创建一个新的密钥并复制它。

在您调用 Manim 的同一目录中创建一个名为 .env 的文件，其中包含您的身份验证信息。

ini 复制代码

OPENAI_API_KEY="..." # 在此处插入密钥。它应该以 "sk-" 开头

请参阅 OpenAI 文档以了解更多信息。

请参阅示例用法以开始。

`PyTTSX3Service`

pyttsx3 是一个文本到语音库，它封装了 espeak，这是一个形式合成语音合成器。

为了使用 PyTTSX3Service，请安装带有 pyttsx3 额外组件的 Manim Voiceover：

bash 复制代码

pip install "manim-voiceover[pyttsx3]"

请参阅示例用法以开始。

`ElevenLabsService`

ElevenLabs 提供了最自然的语音服务 API 之一。它拥有一系列逼真且富有情感的声音，并且还允许您通过上传几分钟的语音来克隆自己的声音。要使用它，您需要在 Eleven Labs 创建一个账户。

提示：ElevenLabs 目前每月提供 10,000 个字符的免费 TTS，并且最多可以使用 3 个自定义声音。

为了使用 ElevenLabsService，请安装带有 elevenlabs 额外组件的 Manim Voiceover：

bash 复制代码

pip install "manim-voiceover[elevenlabs]"

然后，您需要找到您的 API 密钥。

登录到 ElevenLabs 门户并转到您的个人资料以获取密钥
将环境变量 ELEVEN_API_KEY 设置为您的密钥

在您调用 Manim 的同一目录中创建一个名为 .env 的文件，其中包含您的身份验证信息。

ini 复制代码

ELEVEN_API_KEY="..." # 在此处插入 Key 1

请参阅 ElevenLabs 文档以了解更多信息。

请参阅示例用法以开始。

风险提示与免责声明

本文内容基于公开信息研究整理，不构成任何形式的投资建议。历史表现不应作为未来收益保证，市场存在不可预见的波动风险。投资者需结合自身财务状况及风险承受能力独立决策，并自行承担交易结果。作者及发布方不对任何依据本文操作导致的损失承担法律责任。市场有风险，投资须谨慎。