【NLP】Pyhon+讯飞开放平台:​手把手带你写一个智能语音播报系统

机器学习初学者

共 8094字,需浏览 17分钟

 ·

2022-05-11 05:22

手把手带你写一个智能语音播报系统。


微信扫码登陆讯飞开放平台:https://www.xfyun.cn/


完成个人认证。



在控制台创建应用,注意应用名称全库查重,很容易跟别人重复。



可查看到python调用需要用到的APPID,APISecret,APIKey等信息。



整个语音合成系统逻辑如下:



No BB,Show Code:


先安装需要的库,用来和讯飞的服务器建立连接、播放声音。





下载官方python3代码学习:



demo.pcm文件一定要放到你的代码目录下。


(一)首先调用需要的库:


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
import tkinter as tkfrom tkinter import ttk
import timefrom playsound import playsoundimport sys


(二)设置一些系统参数和函数并用tkinter把交互界面写好


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 TtsPlay:
def __init__(self):#初始化函数 self.vcn = 'xiaoyan' self.APP_ID = '自行填入' # 请填上自己的appid self.API_KEY = '自行填入' # 请填上自己的appkey self.SECRET_KEY = '自行填入' # 请填上自己的appsecret
self.fname = ""
self.root = tk.Tk() # 初始化窗口 self.root.title("智能语音播报系统") # 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='开始合成吧', width=10, height=1, command=self.xfyun_tts) # 按钮 self.tk_play = tk.Button(self.root, text='直接播放吧', 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()
def select_vcn(self, *args):#选择下拉框设置发音人 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"
def xfyun_tts(self): # 进行语音合成 tts_text = self.tk_text.get('0.0', 'end') # 获取文本内容 # 前后的空格以及换行符 tts_text = tts_text.strip('\r\n') tts_text = tts_text.strip('\n') tts_text = tts_text.strip(' ')
if not tts_text: tk.messagebox.showinfo("提示", "请输入文本内容") return
fname = time.strftime("%Y%m%d%H%M%S", time.localtime()) self.fname = os.path.dirname(sys.argv[0]) + "/" + fname + ".wav"
self.tk_tts_file["text"] = self.fname text2wav(self.APP_ID, self.SECRET_KEY, self.API_KEY, tts_text, self.vcn, self.fname)
def play_sound(self):# 播放音频函数 playsound(self.fname)


(三)利用官方例程把与讯飞开放平台的互动写好


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()


(四)在main函数运行tkinter用户界面,或者直接上传text转换为wav文件


# 注意一下需要填入自己的appid、api_secret、api_keyif __name__ == "__main__":
a=TtsPlay()
#这个函数可以单独执行获取文件 # text2wav(appid='自行填入', # api_secret='自行填入', # api_key='自行填入', # text="这是一个测试", # vcn="xiaoyan", # fname="./demo.wav")


跑起来吧,小宝贝儿:



我们选择知性女声:



录入“十不干”点击合成。



在程序文件目录自动生成了wav文件,点击直接播放,就可以听到美女声音了。




各种公司都开始训练自己的AI模型,然后拿出来卖钱,未来个人开发用户可以利用这些AI模型方便给自己赋能,大大地降低了了人工智能的开发学习门槛。把精力放到应用层面而不是模型训练层面。


如果公司购买了语音模型,并且有私有云,就可以把tkinter界面的代码改为html前端代码,通过私有云将语音模型的能力共享给全公司员工。


PS:好多人借鉴别人的代码直接抄,殊不知别人故意留了些bug,直接抄根本跑不通,好歹把自己的代码调通了再发吧。


在这里,永远只有我跑通测试完善的应用代码,关注我,我们下期应用再见。

往期精彩回顾




浏览 24
点赞
评论
收藏
分享

手机扫一扫分享

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

分享
举报