基于Python怎么编写一个语音合成系统

这篇文章主要介绍了基于Python怎么编写一个语音合成系统的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇基于Python怎么编写一个语音合成系统文章都会有所收获，下面我们一起来看看吧。

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

• 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。

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：

• APPID

• APISecret

• 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-clientpip 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

# -*- 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 websocketimport datetimeimport hashlibimport base64import hmacimport jsonfrom urllib.parse import urlencodeimport timeimport sslfrom wsgiref.handlers import format_date_timefrom datetime import datetimefrom time import mktimeimport _thread as threadimport osimport waveSTATUS_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 urldef 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。

关于"基于Python怎么编写一个语音合成系统"这篇文章的内容就介绍到这里，感谢各位的阅读！相信大家对"基于Python怎么编写一个语音合成系统"知识都有一定的了解，大家如果还想学习更多知识，欢迎关注行业资讯频道。