Pasar PDF a Audio con pdftotext y gtts-cli

Es bueno tener a mano estas herramientas que te permiten pasar de un PDF a Audio, ya sea para ir escuchando el libro que querías leer mientras manejas o ese apunte de la facultad que tanto te cuesta leer, porque tiene palabras difíciles o porque simplemente cuesta leerlo.

Entonces para eso hay que poner manos a la obra y con dos simples comandos transformar ese PDF o Texto a Audio.

Yo lo que busco es que el texto suene lo mas natural posible; por eso lo que hay que lograr es que esté bien puntualizado, sin errores de sintaxis.

Pasar de PDF a Texto

Para poder usar la herramienta que hace la conversión debemos tener instalado poppler-utils, en [[Debian]] o sistemas que están basados en Debian como Ubuntu el comando que deben utilizar para instalar esa herramienta es:

sudo apt-get install poppler-utils

Una vez instalado, para poder pasar de pdf a texto se ejecuta este comando:

pdftotxt /path/to/pdf/ManifiestoCyberciruja.pdf

Esto da como resultado un archivo ManifiestoCyberciruja.txt es decir el mismo nombre de archivo que tiene la extensión .pdf pero con la extensión .txt y ese archivo contiene todo el contenido en texto de ese PDF.

|Aclaración importante:
	Si el pdf tiene una foto de un texto este no podrá ser reconocido como texto, es decir no realiza OCR sobre la imagen.

Pasar de TXT a MP3 es decir de Texto a Audio

Para poder utilizar este comando gtts-cli tenemos que generar un entorno virtual de python para esto yo uso venv y el comando es así:

python -m venv venv

Esto genera un directorio que se llama venv y dentro tiene todo lo necesario para que podamos mantener ese entorno que necesitamos para poder instalar gtts-cli para activar ese entorno debemos ejecutar:

source venv/bin/activate

Una vez que se ejecute esto se verá que aparece el nombre de nuestro directorio donde creamos el entorno virtual con una (e) o similar; eso nos indica que estamos dentro del entorno virtual.

Cuando ya tenemos esto bien configurado, debemos instalar el gtts-cli y para esto ejecutamos este comando.

pip install gtts

Cuando termina de correr todo lo que necesita para poder ejecutar gtts-cli el comando que debemos utilizar para convertir texto en audio es el siguiente:

gtts-cli -f ManifiestoCyberciruja.txt -l es -o documento.mp3

-f permite pasarle un archivo .txt para que convierta a audio.
-l es permite decirle en qué idioma queremos que convierta ese texto a audio.

Bueno eso es todo!!! Espero que a alguien le sea útil, para mi lo fué por eso lo comparto ;)

Algo a tener en cuenta… de un archivo de texto como el de ManifiestoCyberciruja.txt de un peso de 4.3Kb pasa a un ManifiestoCyberciruja.mp3 de 2.6Mb es decir que aumenta considerablemente el peso.

https://poppler.freedesktop.org/ –> Para saber mas sobre pdftotext
https://gtts.readthedocs.io/en/latest/ –> gtts (Google Text-to-Speech)

Enjoy!!!