利用Python打造一个语音合成系统

利用Python打造一个语音合成系统

背景

一直对语音合成系统比较感兴趣，总想能给自己合成一点内容，比如说合成小说，把我下载的电子书播报给我听等等。

语音合成系统

其实就是一个基于语音合成的工具，但是这个东西由于很多厂家都提供了API的形式，因此开发难度大大降低，只需要调用几个API即可实现属于自己的语音合成工具。麻雀虽小，五脏俱全，一个小工具而已。往大了说，这就是一个小型的语音合成系统。

准备工作

首先我们电脑上需要安装

1. Miniconda，可以到官网下载Miniconda；另外可以使用的是北师大的源，可以参考这篇文章,《ubuntu、conda、pip 换北外源（北京外国语大学开源软件镜像站）》
2. Python 3.7以上，Miniconda自带，最新的已经到3.8版本（2021年2月）。
3. visual studio code，代码编辑器，官网下载；当然也可以选用强大的Pycharm的社区版本，这个版本免费使用。

接入步骤

这里我们选用讯飞开放平台的WebAPI接口，以下是接口文档。
语音合成（流式版）WebAPI 文档

以上文档你不想看也没问题，因为这个文档后面提供了Python的demo，适合直接先一把梭哈，跑起来再说。不过还是建议回过头来多看几遍文档，毕竟怎么接入文档说了算。

很多朋友有疑问，那语音合成接口是不是免费的？那是当然的，白piao肯定是可以的！！！

对于个人而言：有两种礼包：礼包一是免费测试包，5万次（90天时间）；还有新用户礼包，这个需要个人认证，5万次（1年时间）。对于我们练手来说，完全够用了！

以下是对应的领取地址：

1. 免费测试包，无门槛，直接领取到一个应用上；
2. 新用户礼包，这里还有一步点击页面切换到个人免费套餐。

对于企业而言，认证为企业之后，送的服务量那就更多了，50万次，1年的使用时间，够够的了！

关于企业方面的免费套餐，可以从这里进入企业免费套餐。

接下来，我们正式进入使用，首先我们到控制台创建一个应用：

创建好了之后，点击该应用进入，有该应用的详细栏目。（我这里创建了一个名为myaibot的应用）
点击左侧的语音合成，再到下一级在线语音合成（流式版）

在右上侧，能够看到我们需要拿到3个东西：

1. APPID
2. APISecret
3. APIKey

有了这3个关键信息，我们就可以开始使用讯飞在线语音合成来打造我们的系统了。

代码实现

图形界面交互实现

首先，我们来梳理一下我们的语音合成工具的代码流程，总体来说就是四个步骤，因此代码实现起来还是非常容易的，流程图如下：

好了，接下来终于到了代码实现环节了。首先安装我们需要的两个库，一个库是websocket-client是用来和讯飞的服务器建立连接，合成过程是基于websocket协议来交互的；另外一个库是playsound，合成好了音频，用来播放声音的，这样我们能立即体验合成的效果。

pip install websocket-client
pip install playsound

还有tkinter，选择这个库是因为Python自带不用再单独安装，同时我们的界面也不是很复杂，tkinter少量代码就能实现我们的界面功能，不用我们花费太多心思在界面上，从而专注本身的语音合成功能。

接下来我们定义一个类TtsPlay，包含4个函数

class TtsPlay:
	def __init__(self): #初始化函数
	def play_sound(self):#播放音频函数
	def select_vcn(self,*arg):#选择下拉框设置发音人
	def xfyun_tts(self):#进行语音合成

我们首先来实现初始化函数，初始化函数定义了类TtsPlay的内部变量，同时启动了图形化界面窗口。

1. 设置内部变量，大家需要填上刚才从讯飞开放平台控制台获取到的appid、apikey以及apisecret。
2. 图形化编程，我们使用tkinter来绘图，从而显示界面

def __init__(self):
    self.vcn = 'xiaoyan'
    self.APP_ID = 'xxx'	# 请填上自己的appid
    self.API_KEY = 'xxx'	# 请填上自己的appkey
    self.SECRET_KEY = 'xxx' # 请填上自己的appsecret

    self.fname = ""

    self.root = tk.Tk()  # 初始化窗口
    self.root.title("语音合成系统")  # 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