name: doc-to-speech description: 將電腦裡的Word、PDF、TXT等文件轉換為MP3語音檔案，讓使用者可以聽文件內容，緩解視覺疲勞。支援批次轉換、語音選擇、語速調節。當用戶需要聽文件、將文章轉為音訊、批次轉換文件為聲音檔案時啟用。

文件轉語音 (Doc to Speech)

將Word、PDF、TXT等文件轉換為MP3音訊檔案，讓使用者可以"聽"文件內容，緩解視覺疲勞。

功能特性

• 多格式支援: Word (.docx)、PDF (.pdf)、TXT (.txt)、Markdown (.md) 等
• 批次轉換: 支援同時轉換多個檔案或整個資料夾
• 語音選擇: 可選擇不同的語音和語速
• 離線/線上: 支援離線TTS (pyttsx3) 和線上TTS (Google TTS)
• 中文支援: 完整支援中文文件朗讀

使用場景

• 長時間閱讀導致眼睛疲勞，想聽文件內容
• 通勤路上想"聽"文章或報告
• 需要批次將文件轉為有聲書
• 視力不便的使用者需要語音輔助閱讀

快速開始

1. 安裝依賴

首次使用前，安裝必要的依賴庫：

python scripts/install_dependencies.py

或手動安裝：

pip install docx2txt pdfplumber PyPDF2 pyttsx3 gtts

2. 轉換單個檔案

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

# 指定輸出路徑
python scripts/doc_to_speech.py 文件.docx -o 輸出.mp3

# 調整語速
python scripts/doc_to_speech.py 文件.pdf -r 120

# 使用Google TTS（線上，質量更好）
python scripts/doc_to_speech.py 文件.txt -e gtts

3. 批次轉換

# 轉換多個檔案
python scripts/doc_to_speech.py 檔案1.docx 檔案2.pdf 檔案3.txt

# 轉換整個資料夾
python scripts/doc_to_speech.py ./文件資料夾/ -o ./輸出音訊/

4. 檢視可用語音

python scripts/doc_to_speech.py --list-voices

引數說明

工作流程

當用戶需要將文件轉為語音時：

1. 確認需求: 瞭解使用者要轉換的檔案、輸出要求
2. 檢查依賴: 確保必要庫已安裝
3. 執行轉換: 執行轉換指令碼
4. 驗證結果: 確認MP3檔案生成成功

技術說明

支援的文件格式

• Word (.docx): 使用 docx2txt 提取文本
• PDF (.pdf): 使用 pdfplumber 或 PyPDF2 提取文本
• 文本 (.txt, .md): 直接讀取，自動檢測編碼

TTS引擎對比

注意事項

• 長文件會自動分段處理
• PDF掃描件（圖片）無法直接轉換，需要先OCR
• 部分PDF格式複雜可能提取文本不完整
• Windows系統建議安裝中文語音包以獲得更好效果

示例

示例1：轉換Word文件

python scripts/doc_to_speech.py 報告.docx -o 報告音訊.mp3 -r 130

示例2：批次轉換資料夾

python scripts/doc_to_speech.py ./我的文件/ -o ./有聲書/ -e gtts

示例3：Python程式碼呼叫

from scripts.doc_to_speech import convert_file

# 轉換單個檔案
convert_file(
    input_path="文章.pdf",
    output_path="文章.mp3",
    engine="pyttsx3",
    rate=140
)

故障排除

問題：無法提取PDF文本

解決: 安裝pdfplumber

7w4.net小蔥技能。

pip install pdfplumber

問題：中文朗讀效果差

解決: 1. Windows使用者安裝Microsoft Speech Platform 2. 或使用線上引擎: -e gtts

問題：轉換速度慢

解決: - 使用離線引擎 pyttsx3 代替 gtts - 減少單次轉換的文本量

問題：語音斷斷續續

解決: 調整語速引數 -r，建議範圍 120-180

這是一個實用的文件轉語音工具，能將 Word、PDF 等文件轉為 MP3 播放。優點是功能齊全、文件清晰、使用簡單，支援離線使用。不足之處是批次轉換時沒有進度提示，長文件可能受限，中文語音質量依賴系統配置。整體質量良好，能滿足日常文件轉語音的需求。