利用Python打造一个语音合成系统

正文

大家好，利用我是打造Python人工智能技术

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，个语比如说合成小说，音合把我下载的成系电子书播报给我听等等。

语音合成系统

其实就是利用一个基于语音合成的工具，但是打造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，个语只需要调用几个API即可实现属于自己的音合语音合成工具；麻雀虽小，五脏俱全。成系往大了说，利用这就是打造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

AnacondaPython 3.7visual studio code步骤

这里我们选用讯飞开放平台的个语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，音合点击该应用进入，成系有该应用的详细栏目。

点击左侧的亿华云语音合成，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：

APPIDAPISecretAPIKey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("<>", 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、源码库使用小语种发音人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！

云服务器

很赞哦!（6558）