手把手Python调用websocket接口实现实时语音合成，文字转语音
手把手Python调用websocket接口实现实时语音合成，文字转语音
- 0. 太长不看系列，直接使用
- 1. Python调用标贝科技语音合成接口，实现文字转语音
-
- 1.1 环境准备：
- 1.2 获取权限
-
- 1.2.1 登录
- 1.2.2 创建新应用
- 1.2.3 选择服务
- 1.2.4 获取Key&Secret
- 2. 代码实现
-
- 2.1 获取access_token
- 2.2 准备数据
- 2.3 配置接口参数
- 2.4 websocket客户端
- 2.5 demo
- 2.6 执行
- 标贝科技 https://ai.data-baker.com/#/?source=qwer12
- 填写邀请码fwwqgs，每日免费调用量还可以翻倍
0. 太长不看系列，直接使用
在1.2官网注册后拿到APISecret和APIKey，直接复制文章2.5demo代码，保存为online_tts.py，在命令行执行
python online_tts.py -client_secret=您的client_secret -client_id=您的client_id -file_save_path=test.wav --text=欢迎使用标贝开放平台
使用中有任何问题，欢迎留言提问。
1. Python调用标贝科技语音合成接口，实现文字转语音
1.1 环境准备：
Python 3
1.2 获取权限
标贝科技 https://ai.data-baker.com/#/?source=qwer12
填写邀请码fwwqgs，每日免费调用量还可以翻倍
1.2.1 登录
1.2.2 创建新应用
登录后进入【首页概览】，各位开发者可以进行创建多个应用。包括一句话识别、长语音识别、录音文件识别；在线合成、离线合成、长文本合成。
1.2.3 选择服务
进入【已创建的应用】，左侧选择您需调用的AI技术服务，右侧展示对应服务页面概览（您可查询用量、管理套餐、购买服务量、自主获取授权、预警管理）。
1.2.4 获取Key&Secret
通过服务 / 授权管理，获取对应参数，进行开发配置（获取访问令牌token）
拿到Key和Secret就可以正式使用啦！
2. 代码实现
2.1 获取access_token
在拿到Key和Secret后，我们还需要调用授权接口获取access_token，这个access_token有效时长是24小时。
# 获取access_token用于鉴权
def get_access_token(client_secret, client_id):
grant_type = "client_credentials"
url = "https://openapi.data-baker.com/oauth/2.0/token?grant_type={}&client_secret={}&client_id={}" \
.format(grant_type, client_secret, client_id)
try:
response = requests.post(url)
response.raise_for_status()
except Exception as e:
print(response.text)
raise Exception
else:
access_token = json.loads(response.text).get('access_token')
return access_token
2.2 准备数据
需要根据接口要求设置参数，并且对音频数据进行分割
# 准备数据
def prepare_data(args, access_token):
# 填写Header信息
audiotype= args.audiotype
voice_name = args.voice_name
text = args.text
splited_text = [str(base64.b64encode(bytes(text[i:i + 1024], encoding='utf-8')), encoding='utf-8')
for i in range(0, len(text), 1024)]
tts_params = {"language": "ZH", "voice_name": voice_name, "audiotype": audiotype, "domain": "1"}
json_list = []
for i in range(len(splited_text)):
tts_params["text"] = splited_text[i]
data = {"access_token": access_token, "version": "1.0", "tts_params": tts_params}
json_list.append(json.dumps(data))
return json_list
2.3 配置接口参数
client_secret和client_id：在文章1.2的官网获取，必填
file_save_path：文件保存路径，必填
text：需要转换的文本内容
audiotype：音频类型，默认16K采样率wav格式
voice_name：发音人选择，默认“Lingling"，其他发音人详见https://www.data-baker.com/#/specs/file/tts_voice_list
# 获取命令行输入参数
def get_args():
text = "今天天气不错哦！"
parser = argparse.ArgumentParser(description='ASR')
parser.add_argument('-client_secret', type=str, required=True)
parser.add_argument('-client_id', type=str, required=True)
parser.add_argument('-file_save_path', type=str, required=True)
parser.add_argument('--text', type=str, default=text)
parser.add_argument('--audiotype', type=str, default='4')
parser.add_argument('--voice_name', type=str, default='Lingling')
args = parser.parse_args()
return args
2.4 websocket客户端
#websocket客户端
class Client:
def __init__(self, data, uri):
self.data = data
self.uri = uri
self.audio_data = b""
#建立连接
def connect(self):
ws_app = websocket.WebSocketApp(uri,
on_open=self.on_open,
on_message=self.on_message,
on_error=self.on_error,
on_close=self.on_close)
ws_app.run_forever()
# 建立连接后发送消息
def on_open(self, ws):
print("sending..")
for i in range(len(self.data)):
ws.send(self.data[i])
# 接收消息
def on_message(self, ws, message):
code = json.loads(message).get("code")
if code != 90000:
# 打印接口错误
print(message)
else:
self.audio_data += base64.b64decode(bytes(json.loads(message).get("data")["audio_data"], encoding='utf-8'))
if json.loads(message).get("data")["end_flag"] == 1:
with wave.open('test.wav', 'wb') as wavfile:
wavfile.setparams((1, 2, 16000, 0, 'NONE', 'NONE'))
wavfile.writeframes(self.audio_data)
ws.close()
print("task finished successfully")
# 打印错误
def on_error(slef, ws, error):
print("error: ", str(error))
# 关闭连接
def on_close(ws):
print("client closed.")
2.5 demo
import argparse
import json
import base64
import requests
import websocket
import wave
#websocket客户端
class Client:
def __init__(self, data, uri):
self.data = data
self.uri = uri
self.audio_data = b""
#建立连接
def connect(self):
ws_app = websocket.WebSocketApp(uri,
on_open=self.on_open,
on_message=self.on_message,
on_error=self.on_error,
on_close=self.on_close)
ws_app.run_forever()
# 建立连接后发送消息
def on_open(self, ws):
print("sending..")
for i in range(len(self.data)):
ws.send(self.data[i])
# 接收消息
def on_message(self, ws, message):
code = json.loads(message).get("code")
if code != 90000:
# 打印接口错误
print(message)
else:
self.audio_data += base64.b64decode(bytes(json.loads(message).get("data")["audio_data"], encoding='utf-8'))
if json.loads(message).get("data")["end_flag"] == 1:
with wave.open('test.wav', 'wb') as wavfile:
wavfile.setparams((1, 2, 16000, 0, 'NONE', 'NONE'))
wavfile.writeframes(self.audio_data)
ws.close()
print("task finished successfully")
# 打印错误
def on_error(slef, ws, error):
print("error: ", str(error))
# 关闭连接
def on_close(ws):
print("client closed.")
# 准备数据
def prepare_data(args, access_token):
# 填写Header信息
audiotype= args.audiotype
voice_name = args.voice_name
text = args.text
splited_text = [str(base64.b64encode(bytes(text[i:i + 1024], encoding='utf-8')), encoding='utf-8')
for i in range(0, len(text), 1024)]
tts_params = {"language": "ZH", "voice_name": voice_name, "audiotype": audiotype, "domain": "1"}
json_list = []
for i in range(len(splited_text)):
tts_params["text"] = splited_text[i]
data = {"access_token": access_token, "version": "1.0", "tts_params": tts_params}
json_list.append(json.dumps(data))
return json_list
# 获取命令行输入参数
def get_args():
text = "今天天气不错哦！"
parser = argparse.ArgumentParser(description='ASR')
parser.add_argument('-client_secret', type=str, required=True)
parser.add_argument('-client_id', type=str, required=True)
parser.add_argument('-file_save_path', type=str, required=True)
parser.add_argument('--text', type=str, default=text)
parser.add_argument('--audiotype', type=str, default='4')
parser.add_argument('--voice_name', type=str, default='Lingling')
args = parser.parse_args()
return args
# 获取access_token用于鉴权
def get_access_token(client_secret, client_id):
grant_type = "client_credentials"
url = "https://openapi.data-baker.com/oauth/2.0/token?grant_type={}&client_secret={}&client_id={}" \
.format(grant_type, client_secret, client_id)
try:
response = requests.post(url)
response.raise_for_status()
except Exception as e:
print(response.text)
raise Exception
else:
access_token = json.loads(response.text).get('access_token')
return access_token
if __name__ == '__main__':
try:
args = get_args()
# 获取access_token
client_secret = args.client_secret
client_id = args.client_id
access_token = get_access_token(client_secret, client_id)
# 准备数据
data = prepare_data(args, access_token)
uri = "wss://openapi.data-baker.com/wss"
# 建立Websocket连接
client = Client(data, uri)
client.connect()
except Exception as e:
print(e)
2.6 执行
复制所有代码，确定音频为wav格式，采样率为16K，在命令行执行
python online_tts.py -client_secret=您的client_secret -client_id=您的client_id -file_save_path=test.wav --text=欢迎使用标贝开放平台
标贝科技 https://ai.data-baker.com/#/?source=qwer12
填写邀请码fwwqgs，每日免费调用量还可以翻倍
