利用Python打造一个语音合成系统，听说你想要御姐音?
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。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。
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，我们需要拿到3个东西：
-
APPID
-
APISecret
-
APIKey
代码实现
好了接下来进行代码实现了，首先安装我们需要的两个库。
pip install websocket-client
pip install playsound接下来我们定义一个类play，包含4个函数
class play:
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):#进行语音合成在这里，大家需要填上刚才从讯飞开放平台控制台获取到的appid、appkey以及appsecret
def __init__(self):
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.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)
#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='请选择语音发音人')#标签
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
#设置下拉列表框的内容
self.cb['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.cb.current(0) #将当前选择状态置为0,也就是第一项
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='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.lb.place(x=30,y=30)
self.cb.place(x=154,y=30)
self.tt.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,*arg):
if self.cb.get()=='甜美女声-小燕':
self.vcn="xiaoyan"
elif self.cb.get()=='亲切男声-许久':
self.vcn="aisjiuxu"
elif self.cb.get()=='知性女声-小萍':
self.vcn="aisxping"
elif self.cb.get()=='可爱童声-许小宝':
self.vcn="aisbabyxu"
elif self.cb.get()=='亲切女声-小婧':
self.vcn="aisjinger"
print(self.vcn)接下来我们来魔改讯飞自带的Python demo为从而更加方便的来使用
# -*- 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 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):
pass
def set_tts_params(self, text, vcn):
if text != "":
self.Text = text
if vcn != "":
self.vcn = vcn
# 业务参数(business)，更多个性化参数可在官网查看
self.BusinessArgs = {"bgs":1,"aue": "raw", "auf": "audio/L16;rate=16000", "vcn": self.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.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
# 公共参数(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:
#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.CommonArgs,
"business": wsParam.BusinessArgs,
"data": wsParam.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 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()最终一个语音合成系统就这样实现了。
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，竟然可以快速开发出一个语音合成工具出来！完整项目代码点这里即可
本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
THE END
二维码