前言
當前，各種雲計算、雲服務迅速發展，各大公司提供了豐富的資源，大大降低了人工智慧開發的門檻，不需要懂語音合成的原理，只需不到半天時間，竟然可以這麼快速開發出一個語音合成工具出來！
語音合成系統
其實就是一個基於語音合成的工具，但是這個東西由於很多廠家都提供了API的形式，因此開發難度大大降低，只需要呼叫幾個API即可實現屬於自己的語音合成工具。麻雀雖小，五臟俱全，一個小工具而已。往大了說，這就是一個小型的語音合成系統。
準備工作
首先我們電腦上需要安裝
- Anaconda
- Python 3.7
- visual studio code
步驟
這裡我們選用訊飛開放平臺的WebAPI介面
https://www.xfyun.cn/doc/tts/online_tts/API.html
首先我們到控制檯建立一個應用：
建立好了之後，點選該應用進入，有該應用的詳細欄目。（我這裡建立了一個名為myaibot的應用）點選左側的語音合成，再到下一級線上語音合成（流式版）
在右上側，能夠看到我們需要拿到3個東西：
- APPID
- APISecret
- APIKey
有了這3個關鍵資訊，我們就可以開始使用訊飛線上語音合成來打造我們的系統了。
程式碼實現
接下來終於到了程式碼實現環節了。首先安裝我們需要的兩個庫
pip install websocket-client
pip install playsound接下來我們定義一個類TtsPlay，包含4個函式
class TtsPlay:
def __init__(self): #初始化函式
def play_sound(self):#播放音訊函式
def select_vcn(self,*arg):#選擇下拉框設定發音人
def xfyun_tts(self):#進行語音合成大家需要填上剛才從訊飛開放平臺控制檯獲取到的appid、apikey以及apisecret。另外想要Python人工智慧學習資料的小夥伴可私信我“666”哦！
def __init__(self):
self.vcn = 'xiaoyan'
self.APP_ID = 'xxx'# 請填上自己的appid
self.API_KEY = 'xxx'# 請填上自己的appkey
self.SECRET_KEY = 'xxx' # 請填上自己的appsecret
self.fname = ""
self.root = tk.Tk() # 初始化視窗
self.root.title("語音合成系統") # 視窗名稱
self.root.geometry("600x550") # 設定視窗大小
self.root.resizable(0, 0) # 為了方便固定視窗大小
self.tk_lb = tk.Label(self.root, text='請選擇語音發音人') # 標籤
self.tk_text = tk.Text(self.root, width=77, height=30) # 多行文字框
self.tk_cb_vcn = ttk.Combobox(self.root, width=12) # 下拉列表框
# 設定下拉列表框的內容
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) # 將當前選擇狀態置為0,也就是第一項
self.tk_cb_vcn.bind("<<ComboboxSelected>>", self.select_vcn)
self.tk_tts_file = tk.Label(self.root, text='生成檔名')
self.b1 = tk.Button(self.root, text='進行語音合成', 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
# 各個元件的位置
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()當選擇了下拉列表，設定對應的發音人
def select_vcn(self, *args):
if self.tk_cb_vcn.get() == '甜美女聲-小燕':
self.vcn = "xiaoyan"
elif self.tk_cb_vcn.get() == '親切男聲-許久':
self.vcn = "aisjiuxu"
elif self.tk_cb_vcn.get() == '知性女聲-小萍':
self.vcn = "aisxping"
elif self.tk_cb_vcn.get() == '可愛童聲-許小寶':
self.vcn = "aisbabyxu"
elif self.tk_cb_vcn.get() == '親切女聲-小婧':
self.vcn = "aisjinger接下來我們來魔改訊飛自帶的Python demo；
# -*- coding:utf-8 -*-
#
# author: iflytek
#
# 本demo測試時執行的環境為：Windows + Python3.7
# 本demo測試成功執行時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字、使用小語種發音人vcn、tte=unicode以及修改文字編碼方式
# 錯誤碼連結：https://www.xfyun.cn/document/error-code （code返回錯誤碼時必看）
# # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # #
import websocket
import datetime
import hashlib
import base64
import hmac
import json
from urllib.parse import urlencode
import ssl
from wsgiref.handlers import format_date_time
from datetime import datetime
from time import mktime
import _thread as thread
import os
import wave
STATUS_FIRST_FRAME = 0 # 第一幀的標識
STATUS_CONTINUE_FRAME = 1 # 中間幀標識
STATUS_LAST_FRAME = 2 # 最後一幀的標識
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
# 業務引數(business)，更多個性化引數可在官網檢視
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
# 公共引數(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.xfyun.cn/v2/tts'
# 生成RFC1123格式的時間戳
now = datetime.now()
date = format_date_time(mktime(now.timetuple()))
# 拼接字串
signature_origin = "host: " + "ws-api.xfyun.cn" + "\n"
signature_origin += "date: " + date + "\n"
signature_origin += "GET " + "/v2/tts " + "HTTP/1.1"
# 進行hmac-sha256進行加密
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')
# 將請求的鑑權引數組合為字典
v = {
"authorization": authorization,
"date": date,
"host": "ws-api.xfyun.cn"
}
url = url + '?' + urlencode(v)
return url
def 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錯誤的處理
def on_error(ws, error):
print("### error:", error)
# 收到websocket關閉的處理
def on_close(ws):
print("### closed ###")
# 收到websocket連線建立的處理
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("------>開始傳送文字資料")
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_key
if __name__ == "__main__":
text2wav(appid='xxx',
api_secret='xxx',
api_key='xxx',
text="這是一個測試",
vcn="xiaoyan",
fname="./demo.wav")程式碼寫好了，我們把Python程式碼run起來，最終一個語音合成系統就這樣實現了！效果可以參考下圖
免責宣告：本文內容來源於網路，文章版權歸原作者所有
