利用Python打造一个语音合成系统

关注+星标,每天学习Python新技能

因公众号更改推送规则,请点“在看”并加“星标”第一时间获取精彩技术分享

来源:网络

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

  1. Anaconda

  2. Python 3.7

  3. 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)图片在右上侧,我们需要拿到3个东西:

  1. APPID

  2. APISecret

  3. 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。

pipinstallwebsocket-clientpipinstallplaysound

接下来我们定义一个类play,包含4个函数

classplay:def__init__(self):#初始化函数defplay_sound(self):#播放音频函数defselect_vcn(self,*arg):#选择下拉框设置发音人defxfyun_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

 defselect_vcn(self,*arg):   ifself.cb.get()=='甜美女声-小燕':     self.vcn="xiaoyan"    elifself.cb.get()=='亲切男声-许久':     self.vcn="aisjiuxu"    elifself.cb.get()=='知性女声-小萍':     self.vcn="aisxping"    elifself.cb.get()=='可爱童声-许小宝':     self.vcn="aisbabyxu"    elifself.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)# # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # #importwebsocketimportdatetimeimporthashlibimportbase64importhmacimportjsonfromurllib.parseimporturlencodeimporttimeimportsslfromwsgiref.handlersimportformat_date_timefromdatetimeimportdatetimefromtimeimportmktimeimport_threadasthreadimportosimportwave
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"classWs_Param(object): # 初始化 def__init__(self):    pass defset_tts_params(self, text, vcn):     iftext !="":       self.Text = text     ifvcn !="":       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")} defset_params(self, appid, apiSecret, apiKey):   ifappid !="":     self.APPID = appid     # 公共参数(common)     self.CommonArgs = {"app_id":self.APPID}      ifapiKey !="":     self.APIKey = apiKey      ifapiSecret !="":     self.APISecret = apiSecret # 生成url defcreate_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)   returnurl
defon_message(ws, message): try:   #print(message)   try:      message =json.loads(message)   exceptExceptionase:      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)   ifstatus ==2:      print("ws is closed")      ws.close()   ifcode !=0:      errMsg = message["message"]      print("sid:%s call error:%s code is:%s"% (sid, errMsg, code))   else:     withopen(PCM_PATH,'ab')asf:        f.write(audio) exceptExceptionase:    print("receive msg,but parse exception:", e)# 收到websocket错误的处理defon_error(ws, error):  print("### error:", error)# 收到websocket关闭的处理defon_close(ws):  print("### closed ###")# 收到websocket连接建立的处理defon_open(ws): defrun(*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)   ifos.path.exists(PCM_PATH):      os.remove(PCM_PATH)  thread.start_new_thread(run, ())deftext2pcm(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)defpcm2wav(fname, dstname): withopen(fname,'rb')aspcmfile:    pcmdata = pcmfile.read()    print(len(pcmdata)) withwave.open(dstname,"wb")aswavfile:    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。图片当前,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!

图片

长按或扫描下方二维码,免费获取Python公开课和大佬打包整理的几百G的学习资料,内容包含但不限于Python电子书、教程、项目接单、源码等等

扫描二维码-免费领取

推荐阅读

8个 Python 加速运行优化技巧

「揭秘」Python高手必知的特殊方法,你掌握了吗?

使用 Python 自动化 Kubernetes 操作第二篇

Python多进程学习

点击阅读原文了解更多