初识百度AI开放平台和简单语音合成，值得深思 （下）

MilgGtery

2.创建语音合成AI引用

　　选择上面百度语音类别，然后创建一个语音应用：

　　

　　默认情况下，一个语音AI应用同时包含语音识别和语音合成的接口。语音AI应用创建好，会自动分配AppID，App Key和SecretKey，如果开发者要使用百度语音的API服务，这些信息是必要的。如果你熟悉OAuth 2.0 方式的API的调用流程，你会感觉上面的相关术语很熟悉，事实上百度AI应用的API都是采用OAuth2.0方式的，只不过百度的相关SDKAPI将这套流程封装得很好，我们使用时可以无需直接处理。

　　除此之外，打开应用详情，可以看到百度为AI应用分配的默认资源，如QPS，对于本例子中的语音合成API，默认QPS是100，如果开发者认为这些资源还不够，还可以申请更多的服务资源。

　　

　　3.安装AI应用SDK，并调用API完成服务

　　1)安装SDK

　　百度语音服务提供了多种编程语言相关的SDK，这里选择Python版本的。打开百度AI开放平台语音服务SDK下载页面（https://ai.baidu.com/sdk#asr），选择PythonSDK。

　　笔者采用Python官方推荐的主流版本Python3，本例具体版本是Python3.6.4。

　　解压下载的zip SDK文件后，进入加压后的目录：

　　python setup.py install

　　2)准备文本材料

　　准备好诗歌《面朝大海，春暖花开》的文本文件flower.txt，注意标点符号，保存为UTF-8格式的。

　　3)使用百度语音合成API

　　利用上面创建的语音应用的AppID, App Key和Secret Key：

　　fromaip importAipSpeech

　　""" 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)

　　调用百度语音合成API：

　　result = client.synthesis(open('blossoms.txt', encoding='utf8').read(), 'zh', 1, {

　　'per': 0, 'vol': 3, 'pit': 7

　　})

　　# 识别正确返回语音二进制 错误则返回dict 参照下面错误码

　　ifnotisinstance(result, dict):

　　withopen('poem.mp3', 'wb') asf:

　　f.write(result)

　　else:

　　print(result)

　　代码解释如下：

　　读取文本文件，获得文本数据，然后作为参数传入client.synthesis() API，当请求成功后就返回一个音频格式的数据内容并写入文件，失败则打印出错误信息。

　　用户还可以根据自己的相关需要选择合成语音时的语速，语调，音量和发声人选择，具体参数细节可以参考API文档（https://ai.baidu.com/docs#/TTS-API/top）

　　执行上面的代码，可以发现一个名为poem.mp3的音频文件产生了，用Windows自带的WindowsMedia Player播放可以听到合成的语音朗诵这首诗。

　　我们可以发现，机器朗诵的诗歌和人朗诵的相比还是有很大差距，或者我们可以说机器诗歌朗诵是缺乏灵魂的，这是目前AI技术的局限，也是需要努力的方向。随着百度AI语音的进化，特别是丰富语料之后，我相信相关语音合成效果会越来越好。

　　与此同时，通过上面的演示，我们可以看到，开发者十分钟就可以完成一些简单的文本与语音的转换。这大大降低了开发者使用AI的难度。如果没有这些服务，用户要么自己去实现一套自己的语音合成机器模型和语料库，或者借助第三方TTS SDK，这样的开发难度都大很多。

　　把上面的代码稍作修改，在文本文件中输入一些大众不会念的生僻字，即可实现一个生僻字的念法应用。

　　除此在外，百度AI开放平台还提供其他更多更实用的AI服务，读者可以自行探索，基本开发流程跟本文类似。

　　后记：

　　百度作为一家国内顶尖的互联网和AI公司，其技术实力毋庸置疑，但是百度是一家颇具争议的公司。在上面的百度AI开放平台的控制台中，我们看到百度提供一些人脸识别、内容审查等敏感而又有争议性的AI服务，这些AI服务在公众生活中涉及到个人隐私，公众舆论的热点事件中应该发挥什么样的作用，值得我们深思。