lsekfe 发表于 2022-7-22 09:44:47

利用Python打造一个语音合成系统

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。另外,搜索公众号程序员小乐后台回复“赚钱”,获取一份惊喜礼包。
# -*- 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!




页: [1]
查看完整版本: 利用Python打造一个语音合成系统