基于Python編寫一個語音合成系統(tǒng)
背景
一直對語音合成系統(tǒng)比較感興趣,總想能給自己合成一點內(nèi)容,比如說合成小說,把我下載的電子書播報給我聽等等。
語音合成系統(tǒng)
其實就是一個基于語音合成的工具,但是這個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API即可實現(xiàn)屬于自己的語音合成工具;麻雀雖小,五臟俱全。往大了說,這就是一個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
- Anaconda
- Python 3.7
- visual studio code
步驟
這里我們選用訊飛開放平臺的WebAPI接口。
首先我們到控制臺創(chuàng)建一個應(yīng)用
創(chuàng)建好了之后,點擊該應(yīng)用進入,有該應(yīng)用的詳細欄目。
點擊左側(cè)的語音合成,再到下一級在線語音合成(流式版)
在右上側(cè),我們需要拿到3個東西:
- APPID
- APISecret
- APIKey
代碼實現(xiàn)
好了接下來進行代碼實現(xiàn)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play,包含4個函數(shù)
class play: def __init__(self): #初始化函數(shù) def play_sound(self):#播放音頻函數(shù) def select_vcn(self,*arg):#選擇下拉框設(shè)置發(fā)音人 def xfyun_tts(self):#進行語音合成
在這里,大家需要填上剛才從訊飛開放平臺控制臺獲取到的appid、appkey以及appsecret
def __init__(self): self.APP_ID = 'xxx' #請?zhí)钌献约旱腶ppid self.API_KEY = 'xxx' #請?zhí)钌献约旱腶ppkey self.SECRET_KEY = 'xxx' #請?zhí)钌献约旱腶ppsecret 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) #self.root.resizable(width=True,height=True)#設(shè)置窗口是否可變,寬不可變,高可變,默認為True self.lb=tk.Label(self.root,text='請選擇語音發(fā)音人')#標(biāo)簽 self.tt=tk.Text(self.root,width=77,height=30) #多行文本框 self.cb=ttk.Combobox(self.root, width=12) #下拉列表框 #設(shè)置下拉列表框的內(nèi)容 self.cb['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.cb.current(0) #將當(dāng)前選擇狀態(tài)置為0,也就是第一項 self.cb.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.lb.place(x=30,y=30) self.cb.place(x=154,y=30) self.tt.place(x=30,y=60) self.root.mainloop()
當(dāng)選擇了下拉列表,設(shè)置對應(yīng)的發(fā)音人
def select_vcn(self,*arg): if self.cb.get()=='甜美女聲-小燕': self.vcn="xiaoyan" elif self.cb.get()=='親切男聲-許久': self.vcn="aisjiuxu" elif self.cb.get()=='知性女聲-小萍': self.vcn="aisxping" elif self.cb.get()=='可愛童聲-許小寶': self.vcn="aisbabyxu" elif self.cb.get()=='親切女聲-小婧': self.vcn="aisjinger" print(self.vcn)
接下來我們來魔改訊飛自帶的Python demo為從而更加方便的來使用
# -*- coding:utf-8 -*- # # author: iflytek # # 本demo測試時運行的環(huán)境為:Windows + Python3.7 # 本demo測試成功運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本、使用小語種發(fā)音人vcn、tte=unicode以及修改文本編碼方式 # 錯誤碼鏈接: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 time 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(biāo)識 STATUS_CONTINUE_FRAME = 1 # 中間幀標(biāo)識 STATUS_LAST_FRAME = 2 # 最后一幀的標(biāo)識 PCM_PATH = "./demo.pcm" class Ws_Param(object): # 初始化 def __init__(self): pass def set_tts_params(self, text, vcn): if text != "": self.Text = text if vcn != "": self.vcn = vcn # 業(yè)務(wù)參數(shù)(business),更多個性化參數(shù)可在官網(wǎng)查看 self.BusinessArgs = {"bgs":1,"aue": "raw", "auf": "audio/L16;rate=16000", "vcn": self.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.Data = {"status": 2, "text": str(base64.b64encode(self.Text.encode('utf-16')), "UTF8")} self.Data = {"status": 2, "text": str(base64.b64encode(self.Text.encode('utf-8')), "UTF8")} def set_params(self, appid, apiSecret, apiKey): if appid != "": self.APPID = appid # 公共參數(shù)(common) self.CommonArgs = {"app_id": self.APPID} if apiKey != "": self.APIKey = apiKey if apiSecret != "": self.APISecret = apiSecret # 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())) # 拼接字符串 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') # 將請求的鑒權(quán)參數(shù)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: #print(message) try: message =json.loads(message) except Exception as e: print("111",e) 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: errMsg = message["message"] print("sid:%s call error:%s code is:%s" % (sid, errMsg, 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(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.CommonArgs, "business": wsParam.BusinessArgs, "data": wsParam.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 text2pcm(appid, apiSecret, apiKey, text, vcn, fname): wsParam.set_params(appid, apiSecret, apiKey) wsParam.set_tts_params(text, vcn) websocket.enableTrace(False) wsUrl = wsParam.create_url() ws = websocket.WebSocketApp(wsUrl, 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()
最終一個語音合成系統(tǒng)就這樣實現(xiàn)了。
當(dāng)前,各種云計算、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,竟然可以快速開發(fā)出一個語音合成工具出來!
到此這篇關(guān)于基于Python編寫一個語音合成系統(tǒng)的文章就介紹到這了,更多相關(guān)Python語音合成內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
- 關(guān)于Python調(diào)用百度語音合成SDK實現(xiàn)文字轉(zhuǎn)音頻的方法
- Python調(diào)用訊飛語音合成API接口來實現(xiàn)文字轉(zhuǎn)語音
- Python人工智能語音合成實現(xiàn)案例詳解
- Python語音合成的項目實戰(zhàn)(PyQt5+pyttsx3)
- 基于Python實現(xiàn)語音合成小工具
- Python實現(xiàn)語音合成功能詳解
- python3實現(xiàn)語音轉(zhuǎn)文字(語音識別)和文字轉(zhuǎn)語音(語音合成)
- Python實現(xiàn)語音識別和語音合成功能
- python騰訊語音合成實現(xiàn)過程解析
- Python中edge-tts實現(xiàn)便捷語音合成
相關(guān)文章
python中列表(list)和元組(tuple)的深入講解
這篇文章主要給大家介紹了關(guān)于python中列表(list)和元組(tuple)的相關(guān)資料,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03python3讀取圖片并灰度化圖片的四種方法(OpenCV、PIL.Image、TensorFlow方法)總結(jié)
這篇文章主要介紹了python3讀取圖片并灰度化圖片的四種方法(OpenCV、PIL.Image、TensorFlow方法)總結(jié),文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-07-07如何實現(xiàn)在遠程linux服務(wù)器上運行python代碼
這篇文章主要介紹了如何實現(xiàn)在遠程linux服務(wù)器上運行python代碼問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-12-12python實現(xiàn)Excel文件轉(zhuǎn)換為TXT文件
這篇文章主要為大家詳細介紹了python實現(xiàn)Excel文件轉(zhuǎn)換為TXT文件,具有一定的參考價值,感興趣的小伙伴們可以參考一下2019-04-04Django中的CACHE_BACKEND參數(shù)和站點級Cache設(shè)置
這篇文章主要介紹了Django中的CACHE_BACKEND參數(shù)和站點級Cache設(shè)置,Python是最具人氣的Python web框架,需要的朋友可以參考下2015-07-07