实战 | Python 实现 AI 语音合成技术

0. 前言

本文首发于公众号：可乐python说

如今，语音识别、语音合成 等技术在各行各业得到广泛应用，各种大厂平台也顺势发展，对各类流行开发语言的支持也十分友好。

今天我将选择 百度云 作为案例演示平台，使用 Python 开发语言实现语音合成的小案例。

1. 语音合成技术

语音合成（speech synthesis）是通过机械的、电子的方法产生人造语音的技术。

TTS 技术（又称文语转换技术）隶属于语音合成，它是将计算机自己产生的、或外部输入的文字信息转变为可以听得懂的、流利的汉语口语输出的技术。

简单来说，就是可以将我们的文字信息，转换成音频数据，我们可以以文件的形式保存，为后续的使用提供便利。

2.案例实现

2.1 API 设计

案例的API设计如下：

if __name__ == '__main__':
    app_id = '应用 ID'
    api_key = 'API 开发密钥'
    secret_key = '密钥'
    AipSpeech(app_id, api_key, secret_key).main()

3.实现流程

3.1 准备工作

1、进入百度云官网 https://cloud.baidu.com/，并注册、登陆。

2、进入控制台页面，选择语音技术，并点击 创建应用。

3、填写相关信息后点击，立即创建。

4、创建完毕后，就可管理刚刚创建的应用，查看 应用ID、密钥 等参数。

5、进入 SDK 资源网页，下载在线合成 Python-SDK 压缩文件。

6、解压后的 SDK 中的 api 目录结构如下图，具体实现可参考 接口说明 。

3.2 API 封装、改写

为了方便使用，我们可对 SDK 进行封装，改写部分内容。

1、新建 baidu_speech_synthesis.py 文件。

# -*- coding: utf-8 -*-

"""
    Speech_Synthesis
"""

import base64
import hmac
import json
import hashlib
import datetime
import time
import sys
import requests

2、将 base.py 文件中 AipBase 类的相关代码拷贝到刚刚创建的 baidu_speech_synthesis.py 文件中，删除 python2 的相关写法。

# 以上略
class AipBase(object):
    """
        AipBase
    """
    __accessTokenUrl = 'https://aip.baidubce.com/oauth/2.0/token'
    __reportUrl = 'https://aip.baidubce.com/rpc/2.0/feedback/v1/report'
    __scope = 'brain_all_scope'

    def __init__(self, app_id, api_key, secret_key):
        """
            AipBase(app_id, api_key, secret_key)
        """
        self._app_id = app_id.strip()
        self._api_key = api_key.strip()
        self._secret_key = secret_key.strip()
        self._auth_obj = {
     }
        self._is_cloud_user = None
        self.__client = requests
        self.__connect_timeout = 60.0
        self.__socket_timeout = 60.0
        self._proxies = {
     }
        self.__version = '2_0_0'

    def get_version(self):
        """
            version
        """
        return self.__version

    def set_connection_timeout_in_millis(self, ms):
        """
            set_connection_timeout_in_millis
            建立连接的超时时间（单位：毫秒)
        """
        self.__connect_timeout = ms / 1000.0

    def set_socket_timeout_in_millis(self, ms):
        """
            set_socket_timeout_in_millis
            通过打开的连接传输数据的超时时间（单位：毫秒）
        """
        self.__socket_timeout = ms / 1000.0

    def set_proxies(self, proxies):
        """
            proxies
        """
        self._proxies = proxies
# 由于代码量大，以下略...

3、将 speech.py 文件中 AipSpeech 类的相关代码拷贝到刚刚创建的 baidu_speech_synthesis.py 文件中。

# 以上略
class AipSpeech(AipBase):
    """
        Aip Speech
    """
    __asrUrl = 'http://vop.baidu.com/server_api'
    __ttsUrl = 'http://tsn.baidu.com/text2audio'

    def _is_permission(self, auth_obj):
        """
            check whether permission
        """
        return True    

    def _proccess_request(self, url, params, data, headers):
        """
            参数处理
        """
        token = params.get('access_token', '')
        if not data.get('cuid', ''):
            data['cuid'] = hashlib.md5(token.encode()).hexdigest()
        if url == self.__asrUrl:
            data['token'] = token
            data = json.dumps(data)
        else:
            data['tok'] = token
        if 'access_token' in params:
            del params['access_token']
        return data

    def _proccess_result(self, content):
        """
            formate result
        """
        try:
            return super(AipSpeech, self)._process_result(content)
        except Exception as e:
            return {
     
                '__json_decode_error': content,
            }
# 由于代码量大，以下略...

4、处理baidu_speech_synthesis.py 文件中 disable_warnings() 的导包问题，改写部分方法，修改部分变量命名。

from urllib3 import disable_warnings
from urllib.parse import urlencode
from urllib.parse import quote
from urllib.parse import urlparse

disable_warnings()

5、接口相关参数配置如下图。

6、在 AipSpeech 中封装 main 入口方法，我配置 per 为 3 ，选择男生情感合成。

class AipSpeech(AipBase):
    """
        Aip Speech
    """
    # 中间部分略
    def main(self):
        """入口方法"""
        api_ = AipSpeech(self._app_id, self._api_key, self._secret_key)
        # 我们要合成文本信息保存在 baidu_speech.txt 文件中
        with open("baidu_speech.txt", 'r', encoding="utf-8") as read_f:
            read_content = read_f.read()
        result = api_.synthesis(read_content, 'zh', 1, {
     'vol': 5, 'per': 3})
        # 识别正确返回二进制数据 错误则返回dict码
        if not isinstance(result, dict):
            # 合成的语音文件名为
            with open('baidu_speech.mp3', 'wb') as f:
                f.write(result)

以上，便完成了整个百度语音合成的 API 封装，关注公众号，后台回复 语音合成 获取完整源码。

4.使用 API 实现语音合成

1、配置 API 参数，在baidu_speech_synthesis.py最下方定义API调用demo。

if __name__ == '__main__':
    app_id = '这里改成你的应用 ID'
    api_key = '这里改成你的API 开发密钥'             
    secret_key = '这里改成你密钥'
    AipSpeech(app_id, api_key, secret_key).main()

2、baidu_speech.txt 文件内容如下图（这里使用相见恨晚的歌词测试）：

3、执行完程序，会在同级目录下生成一个名为baidu_speech.mp3的音频文件，下面我可以使用播放工具播放即可。

5.总结

1、原创文章已全部更新至 Github：https://github.com/kelepython/kelepython

2、本文永久博客地址：https://kelepython.readthedocs.io/zh/latest/c03/c03_02.html

3、整个实现案例比较简单，建议大家亲自尝试一下。

4、封装代码时一定要细心，建议每次封装完一个小块，就执行验证其正确性。

5、案例合成语音使用中音量、情感合成男声，如果感兴趣，可自行调整参数尝试。

6、关注公众号，后台回复 语音合成 获取完整源码，有任何疑问欢迎留言交流。