【NLP】Pyhon+讯飞开放平台:​手把手带你写一个智能语音播报系统

手把手带你写一个智能语音播报系统。

微信扫码登陆讯飞开放平台：https://www.xfyun.cn/

完成个人认证。

在控制台创建应用，注意应用名称全库查重，很容易跟别人重复。

可查看到python调用需要用到的APPID，APISecret，APIKey等信息。

整个语音合成系统逻辑如下：

No BB，Show Code：

先安装需要的库，用来和讯飞的服务器建立连接、播放声音。

下载官方python3代码学习：

demo.pcm文件一定要放到你的代码目录下。

（一）首先调用需要的库：

import websocket
import datetime
import hashlib
import base64
import hmac
import json
from urllib.parse import urlencode
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


import tkinter as tk
from tkinter import ttk


import time
from playsound import playsound
import sys

（二）设置一些系统参数和函数并用tkinter把交互界面写好

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


PCM_PATH = "./demo.pcm"


class TtsPlay:


    def __init__(self):#初始化函数
        self.vcn = 'xiaoyan'
        self.APP_ID = '自行填入'  # 请填上自己的appid
        self.API_KEY = '自行填入'  # 请填上自己的appkey
        self.SECRET_KEY = '自行填入'  # 请填上自己的appsecret


        self.fname = ""


        self.root = tk.Tk()  # 初始化窗口
        self.root.title("智能语音播报系统")  # 窗口名称
        self.root.geometry("600x550")  # 设置窗口大小
        self.root.resizable(0, 0)  # 为了方便固定窗口大小
        self.tk_lb = tk.Label(self.root, text='请选择语音发音人')  # 标签
        self.tk_text = tk.Text(self.root, width=77, height=30)  # 多行文本框
        self.tk_cb_vcn = ttk.Combobox(self.root, width=12)  # 下拉列表框


        #设置下拉列表框的内容
        self.tk_cb_vcn['values'] = ("甜美女声-小燕", "亲切男声-许久", "知性女声-小萍", "可爱童声-许小宝", "亲切女声-小婧")
        self.tk_cb_vcn.current(0)  # 将当前选择状态置为0,也就是第一项
        self.tk_cb_vcn.bind("<<ComboboxSelected>>", self.select_vcn)
        self.tk_tts_file = tk.Label(self.root, text='生成文件名')
        self.b1 = tk.Button(self.root, text='开始合成吧', width=10, height=1, command=self.xfyun_tts)  # 按钮
        self.tk_play = tk.Button(self.root, text='直接播放吧', width=10, height=1, command=self.play_sound)  # 按钮


        # 各个组件的位置
        self.tk_tts_file.place(x=30, y=500)
        self.b1.place(x=300, y=500)
        self.tk_play.place(x=400, y=500)
        self.tk_lb.place(x=30, y=30)
        self.tk_cb_vcn.place(x=154, y=30)


        self.tk_text.place(x=30, y=60)
        self.root.mainloop()


    def select_vcn(self, *args):#选择下拉框设置发音人
        if self.tk_cb_vcn.get() == '甜美女声-小燕':
         self.vcn = "xiaoyan"
        elif self.tk_cb_vcn.get() == '亲切男声-许久':
         self.vcn = "aisjiuxu"
        elif self.tk_cb_vcn.get() == '知性女声-小萍':
         self.vcn = "aisxping"
        elif self.tk_cb_vcn.get() == '可爱童声-许小宝':
         self.vcn = "aisbabyxu"
        elif self.tk_cb_vcn.get() == '亲切女声-小婧':
         self.vcn = "aisjinger"


    def xfyun_tts(self):  # 进行语音合成
        tts_text = self.tk_text.get('0.0', 'end')  # 获取文本内容
        # 前后的空格以及换行符
        tts_text = tts_text.strip('\r\n')
        tts_text = tts_text.strip('\n')
        tts_text = tts_text.strip(' ')


        if not tts_text:
            tk.messagebox.showinfo("提示", "请输入文本内容")
            return


        fname = time.strftime("%Y%m%d%H%M%S", time.localtime())
        self.fname = os.path.dirname(sys.argv[0]) + "/" + fname + ".wav"


        self.tk_tts_file["text"] = self.fname
        text2wav(self.APP_ID, self.SECRET_KEY, self.API_KEY, tts_text, self.vcn, self.fname)


    def play_sound(self):# 播放音频函数
        playsound(self.fname)

（三）利用官方例程把与讯飞开放平台的互动写好

class Ws_Param(object):
    # 初始化
    def __init__(self):
        self.tts_vcn = ""
        self.tts_business_args = ""
        self.tts_common_args = ""
        self.tts_text_data = ""
        self.APPID = ""
        self.APIKey = ""
        self.APISecret = ""


    def set_tts_params(self, text, vcn):
        self.tts_vcn = vcn
        # 业务参数(business)，更多个性化参数可在官网查看
        self.tts_business_args = {"aue": "raw", "auf": "audio/L16;rate=16000", "vcn": self.tts_vcn, "tte": "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.tts_text_data = {"status": 2, "text": str(base64.b64encode(self.Text.encode('utf-16')), "UTF8")}
        self.tts_text_data = {"status": 2, "text": str(base64.b64encode(text.encode('utf-8')), "UTF8")}


    def set_params(self, appid, api_seccret, api_key):
        if appid != "":
            self.APPID = appid
            # 公共参数(common)
            self.tts_common_args = {"app_id": self.APPID}


        if api_key != "":
            self.APIKey = api_key


        if api_seccret != "":
            self.APISecret = api_seccret


    # 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"
        }


        url = url + '?' + urlencode(v)


        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(code, sid, status)
        if status == 2:
            print("ws is closed")
            ws.close()
        if code != 0:
            err_msg = message["message"]
            print("sid:%s call error:%s code is:%s" % (sid, err_msg, code))
        else:
            with open(PCM_PATH, '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.tts_common_args,
             "business": wsParam.tts_business_args,
             "data": wsParam.tts_text_data,
             }
        d = json.dumps(d)
        print("------>开始发送文本数据")
        ws.send(d)
        if os.path.exists(PCM_PATH):
            os.remove(PCM_PATH)


    thread.start_new_thread(run, ())




def text2wav(appid, api_secret, api_key, text, vcn, fname):
    wsParam.set_params(appid, api_secret, api_key)
    wsParam.set_tts_params(text, vcn)
    websocket.enableTrace(False)
    ws_url = wsParam.create_url()
    ws = websocket.WebSocketApp(ws_url, 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(PCM_PATH, fname)




def pcm2wav(fname, dstname):
    with open(fname, 'rb') as pcmfile:
        pcmdata = pcmfile.read()
        print(len(pcmdata))
    with wave.open(dstname, "wb") as wavfile:
        wavfile.setparams((1, 2, 16000, 0, 'NONE', 'NONE'))
        wavfile.writeframes(pcmdata)


wsParam = Ws_Param()

（四）在main函数运行tkinter用户界面，或者直接上传text转换为wav文件

# 注意一下需要填入自己的appid、api_secret、api_key
if __name__ == "__main__":


    a=TtsPlay()


    #这个函数可以单独执行获取文件
    # text2wav(appid='自行填入',
    #          api_secret='自行填入',
    #          api_key='自行填入',
    #          text="这是一个测试",
    #          vcn="xiaoyan",
    #          fname="./demo.wav")

跑起来吧，小宝贝儿：

我们选择知性女声：

录入“十不干”点击合成。

在程序文件目录自动生成了wav文件，点击直接播放，就可以听到美女声音了。

各种公司都开始训练自己的AI模型，然后拿出来卖钱，未来个人开发用户可以利用这些AI模型方便给自己赋能，大大地降低了了人工智能的开发学习门槛。把精力放到应用层面而不是模型训练层面。

如果公司购买了语音模型，并且有私有云，就可以把tkinter界面的代码改为html前端代码，通过私有云将语音模型的能力共享给全公司员工。

PS：好多人借鉴别人的代码直接抄，殊不知别人故意留了些bug，直接抄根本跑不通，好歹把自己的代码调通了再发吧。

在这里，永远只有我跑通测试完善的应用代码，关注我，我们下期应用再见。

往期精彩回顾




适合初学者入门人工智能的路线及资料下载(图文+视频)机器学习入门系列下载中国大学慕课《机器学习》（黄海广主讲）机器学习及深度学习笔记等资料打印《统计学习方法》的代码复现专辑机器学习交流qq群955171419，加入微信群请扫码：