@NH4L
轻松实现语音合成，让阿里云小姐姐为你的视频配音
本次调用的是阿里云的语音合成SDK，调用接口进行语音合成。
下面来看看具体实现步骤以及两种利用python进行语音的代码。
一、注册登录阿里云获取appkey
1.登入阿里云：https://www.aliyun.com/
2.需要实名认证才行哟
3.点击控制台
4.在搜索界面搜索智能语音交互，进入智能语音交互控制台
5.点击进入后点击我的项目–创建项目
6.随便输入项目名词和描述即可
7.即可得到项目appkey
8.点击总览，点击获取AccessToken
在其中还有很多音频可以试听，可以选择自己喜欢的声音。
这是语音合成的接口说明，不同的声音又不用的voice参数值。
https://help.aliyun.com/document_detail/84435.html?spm=a2c4g.11186623.6.591.73831e0duk4FNT
二、普通方式获得语音合成
通过将网址放入浏览器获取语音，修改自己的appkey和accessToken和需要语音合成的语句即可。
https://nls-gateway.cn-shanghai.aliyuncs.com/stream/v1/tts?appkey=你的appkey&token=你的accesstoken&format=mp3&voice=Aixia&speech_rate=0&volume=100&text=你好呀,小姐姐
下面是各个参数说明
将你的语句修改即可，这种方式最多300个字符，如果需要更多的话，就需要利用python来解决了。
三、利用python调用SDK进行语音合成
有两种方式
1.官方SDK
第一种是调用阿里云SDK，大家可以到https://help.aliyun.com/document_detail/120699.html?spm=a2c4g.11186623.6.594.3e86259esNOsnh中了解详情及配制相关包。
下面铺上代码：
# -*- coding: utf-8 -*-
import threading
import ali_speech
from ali_speech.callbacks import SpeechSynthesizerCallback
from ali_speech.constant import TTSFormat
from ali_speech.constant import TTSSampleRate
class MyCallback(SpeechSynthesizerCallback):
# 参数name用于指定保存音频的文件
def __init__(self, name):
self._name = name
self._fout = open(name, 'wb')
def on_binary_data_received(self, raw):
print('MyCallback.on_binary_data_received: %s' % len(raw))
self._fout.write(raw)
def on_completed(self, message):
print('MyCallback.OnRecognitionCompleted: %s' % message)
self._fout.close()
def on_task_failed(self, message):
print('MyCallback.OnRecognitionTaskFailed-task_id:%s, status_text:%s' % (
message['header']['task_id'], message['header']['status_text']))
self._fout.close()
def on_channel_closed(self):
print('MyCallback.OnRecognitionChannelClosed')
def process(client, appkey, token, text, audio_name, voice):
callback = MyCallback(audio_name)
synthesizer = client.create_synthesizer(callback)
synthesizer.set_appkey(appkey)
synthesizer.set_token(token)
synthesizer.set_voice(voice)
synthesizer.set_text(text)
synthesizer.set_format(TTSFormat.WAV)
synthesizer.set_sample_rate(TTSSampleRate.SAMPLE_RATE_16K)
synthesizer.set_volume(50)
synthesizer.set_speech_rate(0)
synthesizer.set_pitch_rate(0)
try:
ret = synthesizer.start()
if ret < 0:
return ret
synthesizer.wait_completed()
except Exception as e:
print(e)
finally:
synthesizer.close()
def process_multithread(client, appkey, token, number):
thread_list = []
for i in range(0, number):
text = "这是线程" + str(i) + "的合成。"
audio_name = "sy_audio_" + str(i) + ".wav"
thread = threading.Thread(target=process, args=(client, appkey, token, text, audio_name))
thread_list.append(thread)
thread.start()
for thread in thread_list:
thread.join()
if __name__ == "__main__":
client = ali_speech.NlsClient()
client.set_log_level('INFO')
voice = 'Aixia'
appkey = '你的appkey'
token = '你的token'
text = "哼!都怪你,也不哄哄人家,人家超想哭的,捶你胸口,大坏蛋!捶你胸口你好讨厌!要抱抱嘤嘤嘤哼,人家拿小拳拳捶你胸口!大坏蛋,打死你..."
audio_name = 'audio.mp3'
process(client, appkey, token, text, audio_name, voice)
# 多线程示例
# process_multithread(client, appkey, token, 2)
2.访问url获取
这种方式唯一的好处就是不用安装SDK，pip中有requests即可。
这里我自己做了一个根据句号的中文字符串切割算法，限制结束符为句号"。"，同时一段文字只能小于300字符（免费的情况下），进行循环获取每段语音的音频文件（1.mp3, 2.mp3,·····）。
代码如下：
# encoding:utf-8
import requests
from requests.exceptions import RequestException
import urllib.parse
import urllib.request
import os
import re
def get_voice(url, name):
headers = {"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.149 Safari/537.36"}
response = requests.get(url, headers=headers)
print(response.status_code)
try:
if response.status_code == 200:
download_voice(url, name)
return None
except RequestException:
return None def download_voice(url, name):
file_path = r'{}.mp3'.format(name)
if not os.path.exists(file_path):
print('正在下载:', name, url)
urllib.request.urlretrieve(url, file_path)
print('ok!!!!!!!!!')
else:
print('下载出错')
def not_empty(s):
return s and s.strip()
def cut_text(text, length):
text = re.sub('[\r\n\t]', '', text)
text_array = list(filter(not_empty, text.split('。')))
text_i = [0]
text_len = 0
list_1 = []
for i in range(len(text_array)):
list_1.append(i)
text_len = text_len + len(text_array[i])
print(text_len)
if text_len > length:
text_len = 0
text_len = text_len + len(text_array[i])
print(text_len)
text_i.append(i-1)
list_1.clear()
if text_i[-1] < (len(text_array) -1):
text_i.append(len(text_array) -1)
# print(text_i)
new_text_i = []
for i in range(len(text_i) - 1):
list1 = []
for a in range(text_i[i] + 1, text_i[i+1] + 1):
list1.append(a)
new_text_i.append(list1)
new_text_i[0].insert(0, 0)
# print(new_text_i) new_text_array = []
for t in new_text_i:
x = ''
for t1 in range(len(t)):
x += text_array[t[t1]] + '。'
new_text_array.append(x)
return new_text_array
def main():
voice = 'Aixia'
appkey = 'VNSQETOK5RRVSeRH'
token = 'faf7fd0920a04b5da73f898846aa65c2'
speech_rate = -100
file_name = 'voice'
text = '''七尺阔、十二尺深的工房楼下，横七竖八地躺满了十六七个“猪猡”。跟着这种有威势的喊声，在充满了汗臭、粪臭和湿气的空气里面，她们很快地就像被搅动了的蜂窝一般骚动起来。打呵欠，叹气，寻衣服，穿错了别人的鞋子，胡乱地踏在别人身上，叫喊，在离开别人头部不到一尺的马桶上很响地小便。成人期女孩所共有的害羞的感觉，在这些被叫做“猪猡”的生物中间，已经很迟钝了。半裸体地起来开门，拎着裤子争夺马桶，将身体稍稍背转一下就会公然地在男人面前换衣服。
那男人虎虎地在起得慢一点的“猪猡”身上踢了几脚，回转身来站在不满二尺阔的楼梯上面，向着楼上的另一群生物呼喊： “揍你的！再不起来？懒虫！等太阳上山吗？”
蓬头、赤脚，一边扣着纽扣，几个睡眼惺松的“懒虫”从楼上冲下来了。自来水龙头边挤满了人，用手捧些水来浇在脸上。“芦柴棒”着急地要将大锅里的稀饭烧滚，但是倒冒出来的青烟引起了她一阵猛烈的咳嗽。十五六岁，除了老板之外，大概很少有人知道她的姓名。手脚瘦得像芦棒梗一样，于是大家就拿“芦柴棒”当做了她的名字。 “上午四点过一刻”，“鸽子笼一般”的住房里，包身工起床，开始了一天非人的生活。
这是杨树浦福临路东洋纱厂的工房。长方形的，红砖墙严密地封锁着的工房区域，像一条水门汀的弄堂马路划成狭长的两块。像鸽子笼一般地分得均匀，每边八排，每排五户，一共八十户一楼一底的房屋，每间工房的楼上楼下，平均住着三十二三个“懒虫”和“猪猡”，所以，除了“带工”老板、老板娘、他们的家族亲戚和穿拷绸衣服的同一职务的打杂、请愿警之外，这工房区域的墙圈里面住着二千左右衣服褴褛而替别人制造衣料的“猪猡”。
写包身工清晨起身的情况，恶劣的住宿条件。以清晨破题，以黑夜收尾。明写一天，暗含“日复一日，年复一年”的寓意。工房的气味，骚动的声音与动作，这一场面描写，从居住条件的恶劣表现包身工的非人生活。
但是，她们正式的名称却是“包身工”。她们的身体，已经以一种奇妙的方式包给了叫做“带工”的老板。每年特别是水灾、旱灾的时候，这些在东洋厂里有“脚路”的带工，就亲自或者派人到他们家乡或者灾荒区域，用他们多年熟练了的可以将一根稻草讲成金条的嘴巴，去游说可又不忍让他们的儿女饿死的同乡。
用“但是”这个转折联词，笔锋一转，承上启下，说明她们并非“猪猡”，“正式的名称却是‘包身工’”。然后十分巧妙、自然地插叙了关于包身工的来历，指出包身工是被“带工”凭着“将一根稻草讲成金条的嘴巴”从农村骗来的，是“顺从地替带工赚钱的‘机器’”。两相对照，以铁一般的事实戳穿了带工们的无耻谎言。 “还用说？住的是洋式的公司房子。吃的是鱼肉荤腥。一个月休息两天，咱们带着到马路上去玩耍。嘿，几十层楼的高房子，两层楼的汽车，各种各样好看好用的外国东西。老乡！人生一世，你也得去见识一下啊！──做满三年，以后赚的钱就归你啦。块把钱一天的工钱，嘿，别人给我叩了头也不替她写进去！咱们是同乡，有交情。──交给我带去，有什么三差二错，我还能回家乡吗？”
这样说着，咬着草根树皮的女孩子可不必说，就是她们的父母，也会怨恨自己没有跟去享福的福份了。于是，在预备好了的“包身契”上画一个十字，包身费大洋二十元，期限三年，三年之内，由带工的供给住食，介绍工作，赚钱归带工者收用，生死疾病一听天命，先付包洋十元，人银两交，“恐后无凭，立此包身契据是实！”
福临路工房的二千左右的包身工人，隶属在五十个以上的“带工”头手下，她们是顺从地替带工赚钱的“机器”。所以，每个“带工”所带包身工的人数也就表示了他们的手面和财产。少一点的，三十五十，多一点的带着一百五十个以上。手面宽一点的“带工”，不仅可以放债、买田、起屋，还能兼营茶楼、浴室、理发铺一类的买卖。'''
text_array = cut_text(text, 300)
# print(text_array)
for text in range(len(text_array)):
url = 'https://nls-gateway.cn-shanghai.aliyuncs.com/stream/v1/tts?appkey=' + appkey \
+ '&token=' + token + '&format=mp3&voice=' + voice + '&speech_rate=' + str(speech_rate) + '&volume=100&text=' + urllib.parse.quote(text_array[text])
get_voice(url, file_name + str(text))
if __name__ == '__main__':
main()
总结
通过语音合成，经常做视频配音的人压力可以小点了，阿里云的语音技术拟人化也比较高，声音也比较甜美，听起来也舒服，也不会出错，确实是一种很好的配音选择。
用第二种方法文本的字数都没有限制，大家可以放心使用。
这里是看到b站@JOKER鹏少的视频来的灵感，看到有这么好的语音合成技术，便把免费语音合成的代码写出来与大家分享。
同时也可以到知乎@NH4L看看语音合成的具体效果：https://zhuanlan.zhihu.com/p/123930042
参考链接：https://help.aliyun.com/document_detail/120699.html?spm=a2c4g.11174283.6.594.59e87275VzZhum
https://www.bilibili.com/video/BV1MV411f7Uc
