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。