怎么用Python打造一个语音合成系统

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。

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：

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。

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、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。