基于Python编写一个语音合成系统

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-client
pip 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("<<ComboboxSelected>>", 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 websocket
import datetime
import hashlib
import base64
import hmac
import json
from urllib.parse import urlencode
import time
import ssl
from wsgiref.handlers import format_date_time
from datetime import datetime
from time import mktime
import _thread as thread
import os
import wave

STATUS_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 url

def 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。

当前，各种云计算、云服务迅速发展，各大公司提供了丰富的资源，大大降低了人工智能开发的门槛，不需要懂语音合成的原理，竟然可以快速开发出一个语音合成工具出来！

来源：https://mp.weixin.qq.com/s/X1JVwEsVlHEhyihlIzYz3Q