手把手教你用Python打造一个语音合成系统

Python技术

共 5032字,需浏览 11分钟

 · 2021-02-06


/前言/

   平时我们聊天的时候,也许会想着录制一些自己的声音,而且还想有点特色,也就是所谓的变声,今天我们要说的就是这个变声器的制作,说的高大上点就是语音合成系统。

    这个语音合成系统,能实现个性化语音的录制与存储。


/软件依赖/

使用sublime text 3 开发,申请百度开放平台账号进行开发。


/具体实现/

1、打开百度开放这平台创建一个应用拿到关键参数,如图所示:

2、因为我们使用Python开发一款智能语音合成系统,所以需要Python SDK ,可以在下图中找到:

3、找到之后可以看看它的使用说明。

4、然后创建一个应用,步骤依次如下图所示:

5、之后如下图所示:

6、再按照下图所示进行操作:

7、这样就拿到了三个重要的参数:

APP_ID:应用id

API_KEY:应用钥匙

SECRET_KEY:安全码

拿到以上关键参数之后,接下来就可以开始淦了!


/下载和配置百度语音客户端/

1、下载百度Python api

pip install  baidu-aip
2、配置百度语音客户端,具体步骤如下。

3、新建AipSpeech,代码如下。

from aip import AipSpeech
""" 你的 APPID AK SK """APP_ID = '你的 App ID'API_KEY = '你的 Api Key'SECRET_KEY = '你的 Secret Key'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

4、配置AipSpeech。如果用户需要配置AipSpeech的网络请求参数(一般不需要配置),可以在构造AipSpeech之后调用接口设置参数,目前只支持以下参数:

接口说明
setConnectionTimeoutInMillis建立连接的超时时间(单位:毫秒
setSocketTimeoutInMillis通过打开的连接传输数据的超时时间(单位:毫秒)

5、建立链接,生成音频文件,如下图所示。

6、可以看出,成功生成音频文件会返回二进制文件流。这样还只是生成一个最简单的音频文件,我们还可以将他生成多种声音,参数如下表所示:

参数类型描述是否必须
textString合成的文本,使用UTF-8编码, 请注意文本长度必须小于1024字节
cuidString用户唯一标识,用来区分用户, 填写机器 MAC 地址或 IMEI 码,长度为60以内
spdString语速,取值0-9,默认为5中语速
pitString音调,取值0-9,默认为5中语调
volString音量,取值0-15,默认为5中音量
perString发音人选择, 0为女声,1为男声, 3为情感合成-度逍遥,4为情感合成-度丫丫,默认为普通女

    这就是人工智能中的语音合成技术,调用百度的SDK,只用了几分钟,就完成了一年的开发量。

7、当然有失败就避免不了成功,一般请求失败会有这几种情况:

1)错误返回格式

若请求错误,服务器将返回的JSON文本包含以下参数:

  • error_code:错误码。

  • error_msg:错误描述信息,帮助理解和解决发生的错误。

2)错误码

错误码含义
500不支持的输入
501输入参数不正确
502token验证失败
503合成后端错误

    看到上面这些参数是不是想跃跃欲试了了。哈哈,那就赶紧解放我们的双手吧!


/程序实现/

    因为我们是要将它打造成一个语音合成的系统,所以当然得有界面才好看,具体实现如下。

1、编写程序主界面,具体代码实现如下。

class play:    def __init__(self):        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("700x700") #设置窗口大小        self.root.resizable(width=True,height=True)#设置窗口是否可变,宽不可变,高可变,默认为True        self.lb=tk.Label(self.root,text='请选择语音类型')#标签        self.tt=tk.Text(self.root,width=80,height=30) #多行文本框        self.cb=ttk.Combobox(self.root, width=12)  #下拉列表框        #设置下拉列表框的内容           self.cb['values']=('请选择-----','甜美型','萝莉型','大叔型','精神小伙型')        self.cb.current(0)    #将当前选择状态置为0,也就是第一项        self.cb.bind("<>",self.go)  #绑定go函数,然后触发事件        self.lb1=tk.Label(self.root,text='请输入文件名:')        self.e=tk.Entry(self.root,width=30,show=None, font=('Arial', 12)) #文本框        self.b1=tk.Button(self.root, text='生成音频文件', width=10,height=1,command=self.sc) #按钮         #各个组件的位置        self.b1.place(x=200,y=520)        self.lb.place(x=30,y=30)        self.cb.place(x=154,y=30)        self.e.place(x=130,y=490)        self.lb1.place(x=30,y=490)        self.tt.place(x=30,y=60)        self.root.mainloop()     #启动主页面

这样就算完成了程序的主界面了。


2、一起来看下它长啥样,如下图所示:

小伙伴们,是不是觉得很简洁大气呢?


3、绑定下拉列表框事件

在这里,我们需要对如何获取下拉列表框的选项要了解。言归正传,直接上代码:

def go(self,*arg):  # *arg是为了接受多个如同列表的参数,还有个**kwarg能接受如同字典的参数        #百度api        self.APP_ID = '18386899'          self.API_KEY = 'OcPQ4cGoGBRtW23jemKvgmU5'        self.SECRET_KEY = 'n2rGtvq9HmOGxgxG8H9a5kqFOes8ggHx'        self.client = AipSpeech(self.APP_ID,self.API_KEY,self.SECRET_KEY)#初始化端口建立连接        if self.cb.get()=='请选择-----':            self.tt.delete('1.0','end') #清除多行文本框的内容        elif self.cb.get()=='甜美型':   #获取下拉列表框的选项来设置不同的音,下同            self.res=self.client.synthesis(self.tt.get('0.0','end'),'zh',1,{'vol':3,'spd':3,'pit':4,'per':0})             return self.res #返回音频信息 ,下同        elif self.cb.get()=='萝莉型':            self.res=self.client.synthesis(self.tt.get('0.0','end'),'zh',1,{'vol':2,'spd':2,'pit':3,'per':0})            return self.res        elif self.cb.get()=='大叔型':            self.res=self.client.synthesis(self.tt.get('0.0','end'),'zh',1,{'vol':5,'spd':7,'pit':6,'per':1})             return self.res        elif self.cb.get()=='精神小伙型':            self.res=self.client.synthesis(self.tt.get('0.0','end'),'zh',1,{'vol':7,'spd':8,'pit':8,'per':1})            return self.res

4、判断内容的大小并生成文件

百度语音api里有个限制,就是单个音频生成是有限制的,不能超过1024字节。鉴于此,所以需要在这里做个判断:

def sc(self):        self.go() #引入go函数,不然下面的self.res 没法调用        aa=self.tt.get('0.0','end') #多行文本框内容为空        ab=os.path.dirname(sys.argv[0])+os.sep+self.e.get()+'.mp3'#文件名的地址,与程序同目录        if len(aa)>=1024: #判断长度是否超过1024            messagebox.showerror(title = '出错了!',message='^_^最多不超过1024个字节^_^')        else:            if not os.path.exists(ab): #如果没有这个文件则创建                with open(ab,'wb') as f:                    f.write(self.res)  #将音频信息写入到文件                    #生成结束给一个提示                    messagebox.showinfo(title = '完毕!', message='生成完毕,文件在程序目录下')            else:                messagebox.showerror(title='出错了!',message='文件名已存在') #有这个文件就提示

5、接下来,我们只需将这几个功能写入到一个类中即可,然后启动这个类。

play()

6、当我输入一段话后,大家可以看到它就生成了一个音频文件。而且读取的时候和我们输入的内容一模一样,比如我输入一段代码,见下图:

7、之后会得到下图所示的情形。

8、最后的效果如下图所示。

完美收工,哈哈哈!


/小结/

1、本文基于Python编程语言,结合百度开放平台,通过调用其接口,打造了一款简易的语音合成系统,方法行之有效,欢迎小伙伴们积极尝试。

2、需要本文代码的小伙伴可以在后台回复“语音合成”四个字进行获取。

    想学习更多关于Python的知识,可以参考学习网址:http://pdcfighting.com/,点击阅读原文,可以直达噢~

------------------- End -------------------

PS公号内回复「Python」即可进入Python 新手学习交流群,一起 100 天计划!


老规矩,兄弟们还记得么,右下角的 “在看” 点一下如果感觉文章内容不错的话,记得分享朋友圈让更多的人知道!

神秘礼包获取方式

识别文末二维码,回复:1024


浏览 35
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