利用Python打造一个语音合成系统

i小码哥

共 8000字,需浏览 16分钟

 ·

2022-03-08 07:03



背景


一直对语音合成系统比较感兴趣,总想能给自己合成一点内容,比如说合成小说,把我下载的电子书播报给我听等等。



语音合成系统


其实就是一个基于语音合成的工具,但是这个东西由于很多厂家都提供了API的形式,因此开发难度大大降低,只需要调用几个API即可实现属于自己的语音合成工具。麻雀虽小,五脏俱全,一个小工具而已。往大了说,这就是一个小型的语音合成系统。


准备工作


首先我们电脑上需要安装


  • Anaconda

  • Python 3.7

  • visual studio code


步骤


这里我们选用讯飞开放平台的WebAPI接口


https://www.xfyun.cn/doc/tts/online_tts/API.html


首先我们到控制台创建一个应用:


创建好了之后,点击该应用进入,有该应用的详细栏目。(我这里创建了一个名为myaibot的应用)点击左侧的语音合成,再到下一级在线语音合成(流式版)



在右上侧,能够看到我们需要拿到3个东西:


  • APPID

  • APISecret

  • APIKey


有了这3个关键信息,我们就可以开始使用讯飞在线语音合成来打造我们的系统了。


代码实现


接下来终于到了代码实现环节了。首先安装我们需要的两个库


pip install websocket-clientpip install playsound


接下来我们定义一个类TtsPlay,包含4个函数


class TtsPlay:def __init__(self): #初始化函数def play_sound(self):#播放音频函数def select_vcn(self,*arg):#选择下拉框设置发音人def xfyun_tts(self):#进行语音合成


大家需要填上刚才从讯飞开放平台控制台获取到的appid、apikey以及apisecret。另外,搜索公众号技术社区后台回复“壁纸”,获取一份惊喜礼包。


def __init__(self):    self.vcn = 'xiaoyan'    self.APP_ID = 'xxx'# 请填上自己的appid    self.API_KEY = 'xxx'# 请填上自己的appkey    self.SECRET_KEY = 'xxx' # 请填上自己的appsecret
self.fname = ""
self.root = tk.Tk() # 初始化窗口 self.root.title("语音合成系统") # 窗口名称 self.root.geometry("600x550") # 设置窗口大小 self.root.resizable(0, 0) # 为了方便固定窗口大小 self.tk_lb = tk.Label(self.root, text='请选择语音发音人') # 标签 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 # 设置下拉列表框的内容 self.tk_cb_vcn['values'] = ("甜美女声-小燕", "亲切男声-许久", "知性女声-小萍", "可爱童声-许小宝", "亲切女声-小婧") self.tk_cb_vcn.current(0) # 将当前选择状态置为0,也就是第一项 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='进行语音合成', width=10, height=1, command=self.xfyun_tts) # 按钮 self.tk_play = tk.Button(self.root, text='播放', width=10, height=1, command=self.play_sound) # 按钮 # 各个组件的位置 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()


当选择了下拉列表,设置对应的发音人


def select_vcn(self, *args):        if self.tk_cb_vcn.get() == '甜美女声-小燕':            self.vcn = "xiaoyan"        elif self.tk_cb_vcn.get() == '亲切男声-许久':            self.vcn = "aisjiuxu"        elif self.tk_cb_vcn.get() == '知性女声-小萍':            self.vcn = "aisxping"        elif self.tk_cb_vcn.get() == '可爱童声-许小宝':            self.vcn = "aisbabyxu"        elif self.tk_cb_vcn.get() == '亲切女声-小婧':            self.vcn = "aisjinger"


接下来我们来魔改讯飞自带的Python demo;


# -*- coding:utf-8 -*-##   author: iflytek##  本demo测试时运行的环境为:Windows + Python3.7#  本demo测试成功运行时所安装的第三方库及其版本如下:#   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#   合成小语种需要传输小语种文本、使用小语种发音人vcn、tte=unicode以及修改文本编码方式#  错误码链接:https://www.xfyun.cn/document/error-code (code返回错误码时必看)# # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # #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 wave
STATUS_FIRST_FRAME = 0 # 第一帧的标识STATUS_CONTINUE_FRAME = 1 # 中间帧标识STATUS_LAST_FRAME = 2  # 最后一帧的标识
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 # 业务参数(business),更多个性化参数可在官网查看 self.tts_business_args = {"aue": "raw", "auf": "audio/L16;rate=16000", "vcn": self.tts_vcn, "tte": "utf8"} # 使用小语种须使用以下方式,此处的unicode指的是 utf16小端的编码方式,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 # 公共参数(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格式的时间戳 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" # 进行hmac-sha256进行加密 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') # 将请求的鉴权参数组合为字典 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错误的处理def on_error(ws, error): print("### error:", error)
# 收到websocket关闭的处理def on_close(ws): print("### closed ###")

# 收到websocket连接建立的处理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("------>开始发送文本数据") 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="这是一个测试", vcn="xiaoyan", fname="./demo.wav")


代码写好了,我们把Python代码run起来,最终一个语音合成系统就这样实现了!效果可以参考下图:



当前,各种云计算、云服务迅速发展,各大公司提供了丰富的资源,大大降低了人工智能开发的门槛,不需要懂语音合成的原理,只需不到半天时间,竟然可以这么快速开发出一个语音合成工具出来!


你还有什么想要补充的吗?

免责声明:本文内容来源于网络,文章版权归原作者所有,意在传播相关技术知识&行业趋势,供大家学习交流,若涉及作品版权问题,请联系删除或授权事宜。



浏览 38
点赞
评论
收藏
分享

手机扫一扫分享

举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

举报