利用 Python 打造一个语音合成系统

作者 | thedaydreamer

来源丨CSDN博客

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。

https://www.xfyun.cn/doc/tts/online_tts/API.html

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appidself.API_KEY = 'xxx'  #请填上自己的appkeyself.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Trueself.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):passdef set_tts_params(self, text, vcn):if text != "":                self.Text = textif 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 = apiKeyif apiSecret != "":            self.APISecret = apiSecret# 生成urldef 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。