当前位置：网站首页 > 技术资源 > 正文

爆肝一周!利用Python打造了一个语音合成系统，竟然这么NB

off999 2024-11-13 11:43 28 浏览 0 评论

前言

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，只需不到半天时间，竟然可以这么快速开发出一个语音合成工具出来！

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，一个小工具而已。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。（我这里创建了一个名为myaibot的应用）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，能够看到我们需要拿到3个东西：

APPID
APISecret
APIKey

有了这3个关键信息，我们就可以开始使用讯飞在线语音合成来打造我们的系统了。

代码实现

接下来终于到了代码实现环节了。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TtsPlay，包含4个函数

class TtsPlay:
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

大家需要填上刚才从讯飞开放平台控制台获取到的appid、apikey以及apisecret。另外想要Python人工智能学习资料的小伙伴可私信我“666”哦！

def __init__(self):
    self.vcn = 'xiaoyan'
    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.fname = ""

    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)   # 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("<<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.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()

当选择了下拉列表，设置对应的发音人

def select_vcn(self, *args):
        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

接下来我们来魔改讯飞自带的Python demo；

# -*- 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 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):
        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()


# 注意一下需要填入自己的appid、api_secret、api_key
if __name__ == "__main__":
    text2wav(appid='xxx',
             api_secret='xxx',
             api_key='xxx',
             text="这是一个测试",
             vcn="xiaoyan",
             fname="./demo.wav")

代码写好了，我们把Python代码run起来，最终一个语音合成系统就这样实现了！效果可以参考下图

免责声明：本文内容来源于网络，文章版权归原作者所有

python文字转语音