我想从我的C＃应用程序解析一个PDF文件，并从中创建一个音频文件。我该怎么做？
我特别是在寻找优质的pdf文本库或从文本中剥离pdf文件的方法。
您最好将tagged PDF文档作为输入文档。这意味着文档包含标记文档逻辑结构的标记（通常PDF文档仅包含视觉信息）。
然后，该PDF可以转换为DAISY格式，这是数字有声读物的标准，即，一种中间XML格式，用于存储书籍文本以及逻辑结构和导航功能。
此Daisy XML格式可以为converted to an audio format，也可以使用Daisy阅读器，这是一种物理设备，例如MP3播放器，可以听书。
[菊花网站上有一个演示文稿，解释了此工具链的原理：
使用Festival进行语音朗读。存在各种pdf文本api ...
您需要Microsoft的Speech SDK。阅读说明here
与其他张贴者一样，首先您必须从.pdf文件中提取文本。 pdf文件现在是一种开放格式，因此您可能可以通过Google找到解析器。
然后您必须从文件中提取要转换为语音的文本，而忽略诸如图形标题，页面标题，目录等之类的东西。>>
一旦获得文本，您需要将其转换为语音。这可能是最难的部分。
前一段时间，由于我是一个烂的配音演员，我在摆弄游戏模版的语音文件。
倒谱具有我能找到的最好的TTS转换器。 （免费的人倾向于在语音中插入倒谱广告，但是我可以根据自己的需要手动编辑它。）
事实证明，有一种语音合成标记语言，可用于向TTS转换器提供线索，在该线索上放置音节等，这是一个链接：
http://www.w3.org/TR/speech-synthesis/
您如何自动将SSML添加到文本中超出了我。
无论如何，TTS转换器将产生一个音频文件，最后一步是以mp3格式以所需的比特率压缩音频。
如果您唯一的任务是聆听PDF中的语音合成文本，那么“查看”菜单底部的Acrobat“大声朗读”功能如何？
我想这很难。首先，您需要阅读该pdf中的文本，然后使用某种合成语音生成机制来创建音频内容。然后，您必须将其存储为mp3。
[在Mac OS X上，您可以提取pdf文本，然后将其通过管道输入“ say”。您应该在其他操作系统上找到等效的合成器。
要做的并不是那么复杂，只要您不重新发明轮子，而是简单地重用现有技术（例如，文本到类似Festival的语音引擎，以及OCR引擎来处理PDF文件。] >
最复杂的事情可能是使用不同的PDF布局（列，行，嵌入式图形，脚注，URL等），这可能会使文本识别过程难以理解。
这是您可以用于此目的的python API。