利用Python打造一個語音合成系統(tǒng)
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,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(tǒng)。
準備工作
首先我們電腦上需要安裝
Anaconda
Python 3.7
visual studio code
步驟
這里我們選用訊飛開放平臺的WebAPI接口
https://www.xfyun.cn/doc/tts/online_tts/API.html
首先我們到控制臺創(chuàng)建一個應用:

創(chuàng)建好了之后,點擊該應用進入,有該應用的詳細欄目。(我這里創(chuàng)建了一個名為myaibot的應用)點擊左側的語音合成,再到下一級在線語音合成(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。
代碼實現(xiàn)
接下來終于到了代碼實現(xiàn)環(huán)節(jié)了。首先安裝我們需要的兩個庫
pip install websocket-clientpip install playsound
接下來我們定義一個類TtsPlay,包含4個函數(shù)
class TtsPlay: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):#選擇下拉框設置發(fā)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臺獲取到的appid、apikey以及apisecret。另外,搜索公眾號技術社區(qū)后臺回復“壁紙”,獲取一份驚喜禮包。
def __init__(self):self.vcn = 'xiaoyan'self.APP_ID = 'xxx'# 請?zhí)钌献约旱腶ppidself.API_KEY = 'xxx'# 請?zhí)钌献约旱腶ppkey????self.SECRET_KEY?=?'xxx'?#?請?zhí)钌献约旱腶ppsecretself.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='請選擇語音發(fā)音人') # 標簽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) # 將當前選擇狀態(tài)置為0,也就是第一項self.tk_cb_vcn.bind("<>" , 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.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,設置對應的發(fā)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 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 # 第一幀的標識STATUS_CONTINUE_FRAME = 1 # 中間幀標識STATUS_LAST_FRAME?=?2??#?最后一幀的標識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(yè)務參數(shù)(business),更多個性化參數(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_keyif api_seccret != "":self.APISecret = api_seccret# 生成urldef 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')# 將請求的鑒權參數(shù)組合為字典v = {"authorization": authorization,"date": date,"host": "ws-api.xfyun.cn"}????????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_openws.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="這是一個測試",vcn="xiaoyan",fname="./demo.wav")
代碼寫好了,我們把Python代碼run起來,最終一個語音合成系統(tǒng)就這樣實現(xiàn)了!效果可以參考下圖:

當前,各種云計算、云服務迅速發(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,只需不到半天時間,竟然可以這么快速開發(fā)出一個語音合成工具出來!
你還有什么想要補充的嗎?
免責聲明:本文內(nèi)容來源于網(wǎng)絡,文章版權歸原作者所有,意在傳播相關技術知識&行業(yè)趨勢,供大家學習交流,若涉及作品版權問題,請聯(lián)系刪除或授權事宜。
