惊!Python 居然可以读故事了

惊!Python 居然可以读故事了

最近工作较忙,回家闲下来只想闭目休息,一分钟屏幕都不想再看,然而我又想追更之前看的小说,于是,需求来了——我需要一个给我讲故事的机器人!

浏览器或者阅读器 App 里其实也有朗读功能,但是比较僵硬,总是将引人入胜的情节念成流水账,分分钟让人弃坑,所以我考虑自己使用爬虫定时下载更新的章节,而后将文字合成存储到音频文件,这样不仅可以选择一个靠谱的语音合成工具来处理文字,而且保存下来的音频还能反复收听,一举两得。

文本整合容易,但是如何将其快速转换成音频呢?难道要自己训练模型 “炼丹” 解决?no no ,费力不讨好,毕竟自己手头这点算法知识非常浅显,而且硬件条件也不允许,本着 “能用就行” 的原则,我决定先使用市面上开放平台的产品来解决。经过对比,发现有道智云的语音合成还不错( 此处 可体验),决定使用有道智云的语音合成 API 进行开发。

效果先睹为快:

我拿来朱自清先生的《荷塘月色》的其中两段作为实验素材,开发了简单的 demo ,走通了从加载文本到生成音频文件的逻辑,下面我来详细介绍开发过程。

需要语音合成的文本:

合成结果(第一段):

合成结果(第二段):

很可惜,这里不能上传 mp3 格式的音乐文件

调用 API 接口的准备工作

首先,是需要在有道智云的个人页面上创建实例、创建应用、绑定应用和实例,获取到应用的 id 和密钥。具体个人注册的过程和应用创建过程详见文章 分享一次批量文件翻译的开发过程

开发过程详细介绍

下面介绍具体的代码开发过程。

首先根据 文档 分析有道智云的 API 输入输出规范。语音合成 API 调用十分简单,该 API 采用 https 方式通信,所需参数如下表:

字段名 类型 含义 必填 备注
q text 待合成音频文件的文本字符串 True 比如:您好
langType text 合成文本的语言类型 True 支持语言
appKey text 应用 ID True 可在 应用管理 查看
salt text UUID True UUID
sign text True MD5(应用 ID+q+salt + 应用密钥)
voice text 翻译结果发音选择,0 为女声,1 为男声,默认为女声 false 0
format text 目标音频格式,支持 mp3 false mp3
speed text 合成音频的语速 false 比如:”1″ 为正常速度
volume text 合成音频的音量 false 正常为 “1.00”, 最大为 “5.00”, 最小为 “0.50”

简单概括,组织好自己的语言(utf-8 编码文本),辅以签名等必要参数,并告诉 API 所需要的音频特征,即可得到一份令人满意的合成音频。

接口输出中,如果合成成功,正常返回为二进制语音文件,具体 header 信息 Content-type: audio/mp3,如果合成出现错误,则会返回 json 结果,具体 header 信息为:Content-type: application/json,可据此判断运行情况。

Demo 开发:

这个 demo 使用 python3 开发,包括 maindow.py,synthesis.py,synthesistool.py 三个文件,分别为 demo 的界面、界面逻辑处理和语音合成接口调用工具封装。

  1. 界面部分:

    界面部分代码如下,比较简单。

    root=tk.Tk()
    root.title("youdao speech synthesis test")
    frm = tk.Frame(root)
    frm.grid(padx='50', pady='50')
    btn_get_file = tk.Button(frm, text='选择待合成文件', command=get_files)
    btn_get_file.grid(row=0, column=0, ipadx='3', ipady='3', padx='10', pady='20')
    text1 = tk.Text(frm, width='40', height='10')
    text1.grid(row=0, column=1)
    btn_sure=tk.Button(frm,text="合成",command=synthesis_files)
    btn_sure.grid(row=1,column=1)
    复制代码

    其中启动按钮 btn_sure 的绑定事件 synthesis_files() 来收集带所有的文本文件,启动合成,并打印运行结果:

    def synthesis_files():
    if syn_m.file_paths:
    message=syn_m.get_synthesis_result()
    tk.messagebox.showinfo("提示", message)
    os.system('start' + '.\\result')
    else :
    tk.messagebox.showinfo("提示","无文件")
    复制代码
  2. synthesis.py

    这里主要是配合界面实现一些文本读取和请求接口处理返回值的逻辑。首先定义一个 Synthesis_model

    class Synthesis_model():
    def __init__(self,file_paths,result_root_path,syn_type):
    self.file_paths=file_paths
    self.result_root_path=result_root_path
    self.syn_type=syn_type
    复制代码

    get_synthesis_result() 方法实现了批量读取文件并调用合成方法、处理返回信息的逻辑:

    def get_synthesis_result(self):
    syn_result=""
    for file_path in self.file_paths:
    file_name=os.path.basename(file_path).split('.')[0]
    file_content=open(file_path,encoding='utf-8').read()
    result=self.synthesis_use_netease(file_name,file_content)
    if result=="1":
    syn_result=syn_result+file_path+" ok !\n"
    else:
    syn_result=syn_result+file_path+result
    return syn_result
    复制代码

    单独定义了方法 synthesis_use_netease() 具体实现调用 API 的方法,这样增加了 demo 的扩展性,实现了一种合成模块可插拔的松耦合形式:

    def synthesis_use_netease(self,file_name,text):
    result=connect(text,'zh-CHS')
    print(result)
    if result.headers['Content-Type']=="audio/mp3":
    millis = int(round(time.time() * 1000))
    filePath = "./result/" + file_name+"-"+str(millis) + ".mp3"
    fo = open(filePath, 'wb')
    fo.write(result.content)
    fo.close()
    return "1"
    else:
    return "error:"+result.content
    复制代码
  3. synthesistool.py

    1. synthesistool.py 中是和请求有道智云 API 直接相关的一些方法,最核心的是 connect() 方法,整合了 API 所要求的各个参数,并调用执行请求的方法 do_request(),并返回 API 处理结果。

      def connect(text,lang_type):
      q = text
      data = {}
      data['langType'] = lang_type
      salt = str(uuid.uuid1())
      signStr = APP_KEY + q + salt + APP_SECRET
      sign = encrypt(signStr)
      data['appKey'] = APP_KEY
      data['q'] = q
      data['salt'] = salt
      data['sign'] = sign
      response = do_request(data)
      return response
      复制代码

    需要体验一下的小伙伴,请下载我的代码自行尝试或去官网体验 : P。项目地址:https://github.com/LemonQH/SpeechSynthesis

    特别提示: 1、运行 demo 时,需要替换 synthesistool.py 模块中的 APP_KEY 、 APP_SECRET 为你自己生成的 APP_KEY、APP_SECRET 哦 2、该工程默认存放结果存在./result 文件夹下,你需要手动在项目路径下创建该目录。或者修改为任意你想存放的位置

总结

以上就是我的开发过程,有道智云的语音合成 API 文档清晰,调用过程全程无坑,开发体验和合成效果都令人感到舒适。

我有故事,我把它交给机器人来讲,闭目养神不枯燥,真是一件美事!

欢迎关注我, 一块来履行我之前的承诺连更一个月之内 ,把几篇写完。

序号 预计完成时间 开发 dome 名字以及功能 & 发布文章内容 是否已写完 文章链接
1 9 月 3 文本翻译,单文本翻译,批量翻译 demo。 已完成 CSDN: 点我直达 微信公众号: 点我直达
2 9 月 11 OCR-demo,完成批量上传识别; 在一个 demo 中可选择不同类型的 OCR 识别《包含手写体 / 印刷体 / 身份证 / 表格 / 整题 / 名片),然后调用平台能力,具体实现步骤等。 已完成 CSDN: 点我直达 微信公众号:
3 10 月 27 语音识别 demo,demo 中上传—段视频,并截取视频中短语音识别 – demo 的一段音频进行短语音识别 CSDN: 点我直达 微信公众号:
4 9 月 17 智能语音评测 – demo CSDN: 微信公众号:
5 9 月 24 作文批改 – demo CSDN: 微信公众号:
6 9 月 30 语音合成 – demo CSDN: 微信公众号:
7 10 月 15 单题拍搜 – demo CSDN: 微信公众号:
8 10 月 20 图片翻译 – demo CSDN: 微信公众号:

关注我微信公众号第一时间推送给你哦:

回复 菜单 ,更有好礼,惊喜在等着你。

稀土掘金
我还没有学会写个人说明!
上一篇

我用 python 给女朋友翻译化妆品标签

下一篇

专访苹果葛越:科技在为所有人赋能时 才是最强大的

你也可能喜欢

评论已经被关闭。

插入图片