python腾讯语音合成实现过程解析

Python  /  管理员 发布于 7年前   173

一、腾讯语音合成介绍

腾讯云语音合成技术（TTS）可以将任意文本转化为语音，实现让机器和应用张口说话。 腾讯TTS技术可以应用到很多场景，比如，移动APP语音播报新闻；智能设备语音提醒；依靠网上现有节目或少量录音，快速合成明星语音，降低邀约成本；支持车载导航语音合成的个性化语音播报。（废话一大堆）。。。

二、腾讯语音合成python SDK文档

安装 Python SDK 前，先获取安全凭证。在第一次使用云 API 之前，用户首先需要在腾讯云控制台上申请安全凭证，安全凭证包括 SecretID 和 SecretKey, SecretID 是用于标识 API 调用者的身份，SecretKey 是用于加密签名字符串和服务器端验证签名字符串的密钥。SecretKey 必须严格保管，避免泄露。　

通过 pip 安装(推荐)

您可以通过 pip 安装方式将腾讯云 API Python SDK 安装到您的项目中，如果您的项目环境尚未安装 pip，请详细参见 pip官网 安装。

通过pip方式安装请在命令行中执行以下命令:

pip install tencentcloud-sdk-python

请注意，如果同时有 python2 和 python3 环境， python3 环境需要使用 pip3 命令安装。

三、腾讯语音合成

# ！/usr/bin/env python 2 # -*- coding: utf-8 -*-from base64 import b64decodefrom uuid import uuid4from tencentcloud.common import credentialfrom tencentcloud.common.exception.tencent_cloud_sdk_exception import TencentCloudSDKExceptionfrom tencentcloud.aai.v20180522.models import TextToVoiceRequestfrom tencentcloud.aai.v20180522.aai_client import AaiClienttry:  # 实例化一个认证对象，入参需要传入腾讯云账户secretId，secretKey  cred = credential.Credential("你的secretID", "你的secretKey")  # 实例化要进行语音合成请求的client对象  client = AaiClient(cred, 'ap-shanghai')  # 实例化一个请求对象  req = TextToVoiceRequest()  # 请求对象属性封装  req.Text = '先帝创业未半而中道崩殂' # type: str # 要合成语音的文本  req.SessionId = uuid4() # type: int # 一次请求对应一个SessionId，会原样返回，建议传入类似于uuid的字符串防止重复  req.ModelType = 1 # type: int # 模型类型，默认值为1  req.Volume = 5.0 # type: float # 音量大小，范围：[0，10]，分别对应10个等级的音量，默认为0  req.Speed = 0.6 # type: float # 语速，范围：[-2，2]，分别对应不同语速：0.6倍，0.8倍，1.0倍，1.2倍，1.5倍，默认为0  req.ProjectId = 10086 # type: int # 项目id，用户自定义，默认为0  req.VoiceType = 0 # type: int # 音色0:女声1，亲和风格(默认) 音色1:男声1，成熟风格 音色2:男声2，成熟风格  req.PrimaryLanguage = 1 # type: int # 主语言类型1:中文，最大100个汉字（标点符号算一个汉字）语言类型2:英文，最大支持400个字母（标点符号算一个字母)  req.SampleRate = 16000 # type: int # 音频采样率，16000：16k，8000：8k，默认16k  # 通过client对象调用想要访问的接口，需要传入请求对象  rep = client.TextToVoice(req)  # rep为响应对象  print(rep)  """    {    "Audio": "UklGRlR/AABXQVZFZm10IBAAAAABAAEAgD4AAAB9AAACABAAZGF0YSx9AAD+////AQD//wAAAAAAAAIAAQADAAMABgAEAAYABQAGAAUABwAIAAgACQAAE......AAgACAAEAAgADAAIAAwACAAQAAwACAAIAAgADAAMAAgACAAIAAwABAAAAAAAAAAAAAAD/////AAAAAAAA//8AAP///v/9//7//v///////v8AAP///////wAA/////wAA/////wAAAAAAAAAAAAAAAAAAAAAAAAAA",    "RequestId": "9a7a1615-3e09-4db2-8032-5c6f497f7e6a",    "SessionId": "session-1234"    }    Audio对应的值为经过base64编码,    RequestId为返回的唯一请求id,    SessionId为发送请求时传入的id即uuid4()  """  # content为base64解码后的二进制流  content = b64decode(rep.Audio)  # I/O操作  with open('voice.wav', 'wb') as f:    f.write(content)except TencentCloudSDKException as e:  print(e)

四、腾讯语音合成使用后感受

首先，在代码层次上讲，官方压根没有合成示例文档啊(咆哮ing)，全自己摸索的啊(咆哮ing)，SDK都开发出来了，示例代码给一下能死啊(咆哮ing)，怪不得没人用啊(咆哮ing)！

第二，还是在代码层次上讲，源码中TextToVoiceRequest()类，在__init__()方法中就不能直接封装属性啊(咆哮ing)，有些没有自定制但都是默认的直接填上不就行了啊(咆哮ing)，懒死你啊，非得一行一行自己加属性啊(咆哮ing)，看到的同学务必要修改这个类的__init__()方法，要不然就像示例代码中那样麻烦。

第三，在合成效果上讲，声音难听爆了有木有，语音文件还得解码再I/O,吃饱了撑的了啊，还是那句话：怪不得没人用，百度语音合成效果比你强多了。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。