|
一直對(duì)語音合成系統(tǒng)比較感興趣，總想能給自己合成一點(diǎn)內(nèi)容,，比如說合成小說,，把我下載的電子書播報(bào)給我聽等等。 語音合成系統(tǒng) 其實(shí)就是一個(gè)基于語音合成的工具,，但是這個(gè)東西由于很多廠家都提供了API的形式,，因此開發(fā)難度大大降低，只需要調(diào)用幾個(gè)API即可實(shí)現(xiàn)屬于自己的語音合成工具,。麻雀雖小,，五臟俱全，一個(gè)小工具而已,。往大了說,，這就是一個(gè)小型的語音合成系統(tǒng)。 準(zhǔn)備工作 首先我們電腦上需要安裝
步驟 這里我們選用訊飛開放平臺(tái)的WebAPI接口 https://www./doc/tts/online_tts/API.html 首先我們到控制臺(tái)創(chuàng)建一個(gè)應(yīng)用：
創(chuàng)建好了之后,，點(diǎn)擊該應(yīng)用進(jìn)入,，有該應(yīng)用的詳細(xì)欄目。（我這里創(chuàng)建了一個(gè)名為myaibot的應(yīng)用）點(diǎn)擊左側(cè)的語音合成,，再到下一級(jí)在線語音合成（流式版）
在右上側(cè),，能夠看到我們需要拿到3個(gè)東西：
有了這3個(gè)關(guān)鍵信息，我們就可以開始使用訊飛在線語音合成來打造我們的系統(tǒng)了,。 代碼實(shí)現(xiàn) 接下來終于到了代碼實(shí)現(xiàn)環(huán)節(jié)了,。首先安裝我們需要的兩個(gè)庫 pip install websocket-clientpip install playsound接下來我們定義一個(gè)類TtsPlay，包含4個(gè)函數(shù)
大家需要填上剛才從訊飛開放平臺(tái)控制臺(tái)獲取到的appid,、apikey以及apisecret,。 def __init__(self): self.vcn = 'xiaoyan' self.APP_ID = 'xxx'# 請(qǐng)?zhí)钌献约旱腶ppid self.API_KEY = 'xxx'# 請(qǐng)?zhí)钌献约旱腶ppkey self.SECRET_KEY = 'xxx' # 請(qǐng)?zhí)钌献约旱腶ppsecret self.fname = '' self.root = tk.Tk() # 初始化窗口 self.root.title('語音合成系統(tǒng)') # 窗口名稱 self.root.geometry('600x550') # 設(shè)置窗口大小 self.root.resizable(0, 0) # 為了方便固定窗口大小 self.tk_lb = tk.Label(self.root, text='請(qǐng)選擇語音發(fā)音人') # 標(biāo)簽 self.tk_text = tk.Text(self.root, width=77, height=30) # 多行文本框 self.tk_cb_vcn = ttk.Combobox(self.root, width=12) # 下拉列表框 # 設(shè)置下拉列表框的內(nèi)容 self.tk_cb_vcn['values'] = ('甜美女聲-小燕', '親切男聲-許久', '知性女聲-小萍', '可愛童聲-許小寶', '親切女聲-小婧') self.tk_cb_vcn.current(0) # 將當(dāng)前選擇狀態(tài)置為0,也就是第一項(xiàng) self.tk_cb_vcn.bind('<<ComboboxSelected>>', self.select_vcn) self.tk_tts_file = tk.Label(self.root, text='生成文件名') self.b1 = tk.Button(self.root, text='進(jìn)行語音合成', width=10, height=1, command=self.xfyun_tts) # 按鈕 self.tk_play = tk.Button(self.root, text='播放', width=10, height=1, command=self.play_sound) # 按鈕 # 各個(gè)組件的位置 self.tk_tts_file.place(x=30, y=500) self.b1.place(x=300, y=500) self.tk_play.place(x=400, y=500) self.tk_lb.place(x=30, y=30) self.tk_cb_vcn.place(x=154, y=30) self.tk_text.place(x=30, y=60) self.root.mainloop()當(dāng)選擇了下拉列表，設(shè)置對(duì)應(yīng)的發(fā)音人
接下來我們來魔改訊飛自帶的Python demo,； # -*- coding:utf-8 -*-## author: iflytek## 本demo測(cè)試時(shí)運(yùn)行的環(huán)境為：Windows + Python3.7# 本demo測(cè)試成功運(yùn)行時(shí)所安裝的第三方庫及其版本如下：# cffi==1.12.3# gevent==1.4.0# greenlet==0.4.15# pycparser==2.19# six==1.12.0# websocket==0.2.1# websocket-client==0.56.0# 合成小語種需要傳輸小語種文本,、使用小語種發(fā)音人vcn,、tte=unicode以及修改文本編碼方式# 錯(cuò)誤碼鏈接：https://www./document/error-code （code返回錯(cuò)誤碼時(shí)必看）# # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # #import websocketimport datetimeimport hashlibimport base64import hmacimport jsonfrom urllib.parse import urlencodeimport sslfrom wsgiref.handlers import format_date_timefrom datetime import datetimefrom time import mktimeimport _thread as threadimport osimport waveSTATUS_FIRST_FRAME = 0 # 第一幀的標(biāo)識(shí)STATUS_CONTINUE_FRAME = 1 # 中間幀標(biāo)識(shí)STATUS_LAST_FRAME = 2 # 最后一幀的標(biāo)識(shí)PCM_PATH = './demo.pcm'class Ws_Param(object): # 初始化 def __init__(self): self.tts_vcn = '' self.tts_business_args = '' self.tts_common_args = '' self.tts_text_data = '' self.APPID = '' self.APIKey = '' self.APISecret = '' def set_tts_params(self, text, vcn): self.tts_vcn = vcn # 業(yè)務(wù)參數(shù)(business)，更多個(gè)性化參數(shù)可在官網(wǎng)查看 self.tts_business_args = {'aue': 'raw', 'auf': 'audio/L16;rate=16000', 'vcn': self.tts_vcn, 'tte': 'utf8'} # 使用小語種須使用以下方式,，此處的unicode指的是 utf16小端的編碼方式,，即'UTF-16LE'” # self.tts_text_data = {'status': 2, 'text': str(base64.b64encode(self.Text.encode('utf-16')), 'UTF8')} self.tts_text_data = {'status': 2, 'text': str(base64.b64encode(text.encode('utf-8')), 'UTF8')} def set_params(self, appid, api_seccret, api_key): if appid != '': self.APPID = appid # 公共參數(shù)(common) self.tts_common_args = {'app_id': self.APPID} if api_key != '': self.APIKey = api_key if api_seccret != '': self.APISecret = api_seccret # 生成url def create_url(self): url = 'wss://tts-api./v2/tts' # 生成RFC1123格式的時(shí)間戳 now = datetime.now() date = format_date_time(mktime(now.timetuple())) # 拼接字符串 signature_origin = 'host: ' + 'ws-api.' + '\n' signature_origin += 'date: ' + date + '\n' signature_origin += 'GET ' + '/v2/tts ' + 'HTTP/1.1' # 進(jìn)行hmac-sha256進(jìn)行加密 signature_sha = hmac.new(self.APISecret.encode('utf-8'), signature_origin.encode('utf-8'), digestmod=hashlib.sha256).digest() signature_sha = base64.b64encode(signature_sha).decode(encoding='utf-8') authorization_origin = 'api_key=\'%s\', algorithm=\'%s\', headers=\'%s\', signature=\'%s\'' % ( self.APIKey, 'hmac-sha256', 'host date request-line', signature_sha) authorization = base64.b64encode(authorization_origin.encode('utf-8')).decode(encoding='utf-8') # 將請(qǐng)求的鑒權(quán)參數(shù)組合為字典 v = { 'authorization': authorization, 'date': date, 'host': 'ws-api.' } url = url + '?' + urlencode(v) return urldef on_message(ws, message): try: message = json.loads(message) code = message['code'] sid = message['sid'] audio = message['data']['audio'] audio = base64.b64decode(audio) status = message['data']['status'] print(code, sid, status) if status == 2: print('ws is closed') ws.close() if code != 0: err_msg = message['message'] print('sid:%s call error:%s code is:%s' % (sid, err_msg, code)) else: with open(PCM_PATH, 'ab') as f: f.write(audio) except Exception as e: print('receive msg,but parse exception:', e)# 收到websocket錯(cuò)誤的處理def on_error(ws, error): print('### error:', error)# 收到websocket關(guān)閉的處理def on_close(ws): print('### closed ###')# 收到websocket連接建立的處理def on_open(ws): def run(*args): d = {'common': wsParam.tts_common_args, 'business': wsParam.tts_business_args, 'data': wsParam.tts_text_data, } d = json.dumps(d) print('------>開始發(fā)送文本數(shù)據(jù)') ws.send(d) if os.path.exists(PCM_PATH): os.remove(PCM_PATH) thread.start_new_thread(run, ())def text2wav(appid, api_secret, api_key, text, vcn, fname): wsParam.set_params(appid, api_secret, api_key) wsParam.set_tts_params(text, vcn) websocket.enableTrace(False) ws_url = wsParam.create_url() ws = websocket.WebSocketApp(ws_url, on_message=on_message, on_error=on_error, on_close=on_close) ws.on_open = on_open ws.run_forever(sslopt={'cert_reqs': ssl.CERT_NONE}) pcm2wav(PCM_PATH, fname)def pcm2wav(fname, dstname): with open(fname, 'rb') as pcmfile: pcmdata = pcmfile.read() print(len(pcmdata)) with wave.open(dstname, 'wb') as wavfile: wavfile.setparams((1, 2, 16000, 0, 'NONE', 'NONE')) wavfile.writeframes(pcmdata)wsParam = Ws_Param()# 注意一下需要填入自己的appid、api_secret,、api_keyif __name__ == '__main__': text2wav(appid='xxx', api_secret='xxx', api_key='xxx', text='這是一個(gè)測(cè)試', vcn='xiaoyan', fname='./demo.wav')代碼寫好了,，我們把Python代碼run起來，最終一個(gè)語音合成系統(tǒng)就這樣實(shí)現(xiàn)了,！效果可以參考下圖：
當(dāng)前,，各種云計(jì)算、云服務(wù)迅速發(fā)展,，各大公司提供了豐富的資源,，大大降低了人工智能開發(fā)的門檻，不需要懂語音合成的原理,，只需不到半天時(shí)間,，竟然可以這么快速開發(fā)出一個(gè)語音合成工具出來！ 作者：thedaydreamer |
|
|
