搜狗语音合成测试

展示页面	https://ai.sogou.com/
文档	https://ai.sogou.com/doc/?url=/docs/content/tts

 在网上没找到类似的文件，搜狗的文档写的又很狗（反正非常不初学者友好），因此在此记录。

第一步：注册

第二步，进入控制台（点击控制台或者注册后用户名部分均可）

ps用户名部分就是被我涂的花花绿绿的部分

第三步，创建新应用

填写完成后，会弹出一个弹窗，提醒注意保存好app id 和app key

（没有保存好应该问题也不大，因为在应用那里会有记录，如下图所示：

第四步，写代码，获取token（注意token的时间限制是一小时，随时用随时申请）

import requests
import json

tmp={
	"appid": "刚刚要求保存好的自己的app id",
	"appkey": "刚刚要求保存好的自己的app key",
	"exp": "3600s"
}
req = requests.post(url='https://api.zhiyin.sogou.com/apis/auth/v1/create_token',
                    json=tmp,headers={'Content-Type': 'application/json'})

print(req.text)

参考文档：https://ai.sogou.com/doc/?url=/docs/content/auth/create-token/using-rest/

虽然没有Python的示例，但是非常感谢人美心善的小姐姐帮我看了一下！

不知道为什么json=tmp如果写成data=tmp就会莫名其妙报错：

{"code":3,"message":"illegal body format: invalid character 'a' looking for beginning of value"}

 

原因：

参考https://www.cnblogs.com/yanlin-10/p/9820694.html

用data参数提交数据时，request.body的内容则为a=1&b=2的这种形式，用json参数提交数据时，request.body的内容则为'{"a": 1, "b": 2}'的这种形式

 

得到token之后放到json整理的工具里

变成好看的模样。

给出的时间格式比较奇怪，参考https://www.v2ex.com/t/332522可知：

T 就是个分隔符，前面是日期，后面是时间。
Z 表示 UTC
UTC：http://zh.thetimenow.com/utc/coordinated_universal_time

第五步，开始测试

按照文档（https://ai.sogou.com/doc/?url=/docs/content/tts/synthesize/using-rest/）中给出的demo：

import requests
import json
import time

##
##
#此处填入
##
##

appid = "提到的需要妥善保管的app id"
token = "刚刚请求得到的token"

text = '你好,请问你叫什么名字?'

'''
audio_encoding（****必传✓）
        待合成的音频的编码格式。目前支持LINEAR16、MP3以及AMR三种格式
pitch（可选）
        音高，范围是[0.8,1.2]，如果不指定值(0,0)，默认会设为1，任何小于0.8或大于1.2的值都会返回错误
volume（可选）
        音量，范围是[0.7,1.3]，如果不指定值(0,0)，默认会设为1，任何小于1.7或大于1.3的值都会返回错误
speaking_rate（可选）
        语音的速度，范围是[0.7,1.3]，如果不指定值(0,0)，默认会设为1，任何小于1.7或大于1.3的值都会返回错误
language_code（******必传✓）
        要合成的声音的语言代码
speaker（可选）
        发音人的名字，默认为female。支持male和female
text（******必选✓）
        需要合成的原始文本，须为utf-8编码，且单次传入的长度不能超过1024

'''

data = {
    'input': {
      'text': text,
    }, 
    'config': {
      'audio_config': {
          'audio_encoding':'MP3',
          'pitch':0.8,
          'volume':1.3,
          'speaking_rate':1.3
      },
      'voice_config':{
          'language_code':"zh-cmn-Hans-CN",
          'speaker':'female'
      }
    }
}

'''
请求头
格式相关：
Content-Type：string （******必选✓）
                标准HTTP头，这里必须设置成application/json
认证相关：
Appid：string
        标准知音自定义头，要求填入在用户控制台创建的对应应用的AppID
Authorization：string
        标准HTTP头，设置鉴权信息。要求格式必须是标准Bearer<token>的形式。其中token是访问知音creat-token接口创建的访问令牌

'''

headers = {
   'Content-Type': 'application/json',
   'Appid': appid,
   'Authorization': 'Bearer ' + token
}

'''
请求域名和路径
POST https://api.zhiyin.sogou.com/apis/tts/v1/synthesize

'''
time1=time.time()#这里是计算响应时间用的
r = requests.post('https://api.zhiyin.sogou.com/apis/tts/v1/synthesize', data=json.dumps(data), headers=headers)

# save to file
file = open("tts.mp3", "bw")
file.write(r.content)
file.close()
time2=time.time()#这里是计算响应时间用的
print("save finish")


print(time1)
print(time2-time1)#这里是计算响应时间用的

输出结果：

第六步，找到刚刚写入的文件，打开，收获快乐（并没有

 

确认了，是编译器的锅

我用的是Visual Studio

换成PyCharm就可以解决问题

 

附录：

最后执行的代码：

import requests
import json
import time

appid = '创建应用时得到的appid'
token = '获取的token'

text = '语音合成测试文本。'

data = {
    'input': {
        'text': text,
    },
    'config': {
        'audio_config': {
            'audio_encoding': 'MP3',
            'pitch': 0.8,
            'volume': 1.3,
            'speaking_rate': 1.3
        },
        'voice_config': {
            'language_code': "zh-cmn-Hans-CN",
            'speaker': 'female'
        }
    }
}

headers = {
    'Content-Type': 'application/json',
    'Appid': appid,
    'Authorization': 'Bearer ' + token
}
time1 = time.time()
r = requests.post('https://api.zhiyin.sogou.com/apis/tts/v1/synthesize', data=json.dumps(data), headers=headers)

# save to file
file = open("tts1.mp3", "bw")
file.write(r.content)
file.close()
time2 = time.time()
print("save finish")
print(time1)
print(time2-time1)

输出：

save finish
1615434584.8794093
0.24152207374572754

部分音频参数：

（音频参数部分代码见百度语音合成测试）

 

今日碎碎念

偷懒一时爽，报错火葬场