記事ディレクトリ
テキスト読み上げオーディオ
程序为python程序,通过讯飞语音开放平台将输入的文本转换为wav音频文件。
ステップ 1: iFlytek プラットフォームへの登録
1. iFlytek プラットフォーム アカウントと iFlytek 公式 Web サイトを登録します。
2. iFlytek コンソールを開きます。
3.「新しいアプリの作成」をクリックします。
4. 「アプリケーション名」、「アプリケーションカテゴリ」、「アプリケーション機能の説明」を入力します(これらはすべてカスタマイズされています)。
5. 作成が成功したら、「APPID」、「APISecret」、「APIKey」の 3 つのキーを覚えておいてください。
ステップ 2: プログラムに必要な依存ライブラリをインポートする
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
使用できない依存ライブラリがある場合は、pip を使用して Anaconda で仮想環境を構成し、依存ライブラリをダウンロードします。
例えば:
pip インストール WebSocket
ステップ 2: WebSocket オブジェクト クラスの初期化
このクラスには、iFlytek 接続オブジェクト (APPID、APIKey、APISecret を含む) の初期化と、変換された音声オーディオを入力するための中国語テキスト、iFlytek 接続の URL の初期化が含まれます。
これらは固定パラメータであり、必要な変更は必要ありません。
class Ws_Param(object):
# 初始化
def __init__(self, APPID, APIKey, APISecret, Text):
self.APPID = APPID
self.APIKey = APIKey
self.APISecret = APISecret
self.Text = Text
# 公共参数(common)
self.CommonArgs = {
"app_id": self.APPID}
# 业务参数(business),更多个性化参数可在官网查看
self.BusinessArgs = {
"aue": "raw", "auf": "audio/L16;rate=16000", "vcn": "xiaoyan", "tte": "utf8"}
self.Data = {
"status": 2, "text": str(base64.b64encode(self.Text.encode('utf-8')), "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")}
# 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"
}
# 拼接鉴权参数,生成url
url = url + '?' + urlencode(v)
# print("date: ",date)
# print("v: ",v)
# 此处打印出建立连接时候的url,参考本demo的时候可取消上方打印的注释,比对相同参数时生成的url与自己代码生成的url是否一致
# print('websocket url :', url)
return url
ステップ 3: WebSocket が接続を確立した後の機能
この関数は、WebSocket接続確立後に実行される関数で、オブジェクトデータをロードした後、オブジェクトデータをjson形式に変換し、メッセージ処理のためにiFlytekプラットフォームに送信します。
変更する必要があるパラメータ: pcm オーディオ パス (iFlytek プラットフォームによって処理された後に返される pcm オーディオ ストレージ パス)。
# 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('../dataset/audio_pcm/demo3.pcm'):
os.remove('../dataset/audio_pcm/demo3.pcm')
thread.start_new_thread(run, ())
ステップ 4: WebSocket データの戻り結果の処理関数
WebSocket メッセージの正しい処理、WebSocket 例外処理、WebSocket クローズ処理の 3 つの機能。
on_message 関数で変更する必要があるパラメータ: pcm オーディオ パス (iFlytek プラットフォームによって処理された後に返される pcm オーディオ ストレージ パス)。
def on_message(ws, message):
try:
message = json.loads(message)
code = message["code"]
sid = message["sid"]
audio = message["data"]["audio"]
audio = base64.b64decode(audio)
status = message["data"]["status"]
print(message)
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('../dataset/audio_pcm/demo3.pcm', '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 ###")
ステップ 5: PCM オーディオを wav オーディオに変換する
pcm2wav 関数パラメータ: pcm オーディオ ファイル パスを渡す必要があり、wav オーディオ ファイル パスを保存する必要があります。その他のパラメータは変更する必要はありません。
def pcm2wav(pcm_file, wav_file, channels=1, bits=16, sample_rate=16000):
# 打开 PCM 文件
pcmf = open(pcm_file, 'rb')
pcmdata = pcmf.read()
pcmf.close()
# 打开将要写入的 WAVE 文件
wavfile = wave.open(wav_file, 'wb')
# 设置声道数
wavfile.setnchannels(channels)
# 设置采样位宽
wavfile.setsampwidth(bits // 8)
# 设置采样率
wavfile.setframerate(sample_rate)
# 写入 data 部分
wavfile.writeframes(pcmdata)
wavfile.close()
統合して実行する
- iFlytek プラットフォームの APPID、APISecret、APIKey、および変換する中国語テキスト Text の 4 つのパラメータを入力する必要があります。
- pcm2wav 関数のパラメータで、pcm ファイルの保存パスと wav オーディオ ファイルのパスを変更します。
if __name__ == "__main__":
# 测试时候在此处正确填写相关信息即可运行
wsParam = Ws_Param(APPID='5d27dbc6', APISecret='ZTQ5NTAwZTk0YzQ5MDdhNWViZjcyYjVh',
APIKey='d61163a9bdb5d0a0508f98dee66e0383',
Text="机器人把书桌清理一下")
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("../dataset/audio_pcm/demo3.pcm", "../dataset/audio/demo3.wav")
この時点で、完全なコードを実行できるようになります。
完全なコード
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
class Ws_Param(object):
# 初始化
def __init__(self, APPID, APIKey, APISecret, Text):
self.APPID = APPID
self.APIKey = APIKey
self.APISecret = APISecret
self.Text = Text
# 公共参数(common)
self.CommonArgs = {
"app_id": self.APPID}
# 业务参数(business),更多个性化参数可在官网查看
self.BusinessArgs = {
"aue": "raw", "auf": "audio/L16;rate=16000", "vcn": "xiaoyan", "tte": "utf8"}
self.Data = {
"status": 2, "text": str(base64.b64encode(self.Text.encode('utf-8')), "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")}
# 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"
}
# 拼接鉴权参数,生成url
url = url + '?' + urlencode(v)
# print("date: ",date)
# print("v: ",v)
# 此处打印出建立连接时候的url,参考本demo的时候可取消上方打印的注释,比对相同参数时生成的url与自己代码生成的url是否一致
# print('websocket url :', url)
return url
def on_message(ws, message):
try:
message = json.loads(message)
code = message["code"]
sid = message["sid"]
audio = message["data"]["audio"]
audio = base64.b64decode(audio)
status = message["data"]["status"]
print(message)
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('../dataset/audio_pcm/demo3.pcm', '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('../dataset/audio_pcm/demo3.pcm'):
os.remove('../dataset/audio_pcm/demo3.pcm')
thread.start_new_thread(run, ())
def pcm2wav(pcm_file, wav_file, channels=1, bits=16, sample_rate=16000):
# 打开 PCM 文件
pcmf = open(pcm_file, 'rb')
pcmdata = pcmf.read()
pcmf.close()
# 打开将要写入的 WAVE 文件
wavfile = wave.open(wav_file, 'wb')
# 设置声道数
wavfile.setnchannels(channels)
# 设置采样位宽
wavfile.setsampwidth(bits // 8)
# 设置采样率
wavfile.setframerate(sample_rate)
# 写入 data 部分
wavfile.writeframes(pcmdata)
wavfile.close()
if __name__ == "__main__":
# 测试时候在此处正确填写相关信息即可运行
wsParam = Ws_Param(APPID='5d27dbc6', APISecret='ZTQ5NTAwZTk0YzQ5MDdhNWViZjcyYjVh',
APIKey='d61163a9bdb5d0a0508f98dee66e0383',
Text="机器人把书桌清理一下")
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("../dataset/audio_pcm/demo3.pcm", "../dataset/audio/demo3.wav")