python百度語音合成（python怎麼調用百度AI的語音合成功能?）

• 1、自己動手寫Python進行文本轉語音程序，共計11行代碼
• 2、python百度雲AI語音合成參數怎麼改
• 3、如何用python調用百度語音識別
• 4、如何優雅的用Python玩轉語音聊天機器人
• 5、Python語音合成（日文翻譯）

1、首先安裝Python程序推薦3.7

2、下載 pyttsx3庫。

3、將需要轉換的文本和程序放到一起。

4、運行程序就會朗讀文本和保存文本朗讀的語音文件。

以下是源代碼：

import pyttsx3

with open ( ‘word.txt’ , encoding = ‘utf-8’ ) as obj:

line=obj.readline()

engine=pyttsx3.init()

rate=engine.getProperty( ‘rate’ )

engine.setProperty( ‘rate’ , 160 )

volume=engine.getProperty( ‘volume’ )

engine.setProperty( ‘volume’ , 0.6 )

engine.say(line)

engine.save_to_file(line, ‘abc.mp3’ )

engine.runAndWait()

參數說明

per ：發音人選擇, 0為普通女聲，1為普通男生，3為情感合成-度逍遙，4為情感合成-度丫丫，默認為普通女聲

spd：語速，取值0-15，默認為5中語速  

pit：音調，取值0-15，默認為5中語調  

vol：音量，取值0-15，默認為5中音量  

#!/usr/bin/env python

# -*- coding: utf-8 -*-

########################################################################

#

# Copyright (c) 2017 aibot.me, Inc. All Rights Reserved

#

########################################################################

“””

File: util_voice.py

Author: darrenwang(darrenwang@aibot.me)

Date: 2017/03/24 11:29:50

Brief:

“””

import sys

import json

import time

import base64

import urllib

import urllib2

import requests

class BaiduRest:

def __init__(self, cu_id, api_key, api_secert):

self.token_url = “;client_id=%sclient_secret=%s”

self.getvoice_url = “;lan=zhcuid=%sctp=1tok=%s”

self.upvoice_url = ”

self.cu_id = cu_id

self.get_token(api_key, api_secert)

return

def get_token(self, api_key, api_secert):

token_url = self.token_url % (api_key,api_secert)

r_str = urllib2.urlopen(token_url).read()

token_data = json.loads(r_str)

self.token_str = token_data[‘access_token’]

return True

#語音合成

def text2audio(self, text, filename):

get_url = self.getvoice_url % (urllib2.quote(text), self.cu_id, self.token_str)

voice_data = urllib2.urlopen(get_url).read()

voice_fp = open(filename,’wb+’)

voice_fp.write(voice_data)

voice_fp.close()

return True

##語音識別

def audio2text(self, filename):

data = {}

data[‘format’] = ‘wav’

data[‘rate’] = 8000

data[‘channel’] = 1

data[‘cuid’] = self.cu_id

data[‘token’] = self.token_str

wav_fp = open(filename,’rb’)

voice_data = wav_fp.read()

data[‘len’] = len(voice_data)

#data[‘speech’] = base64.b64encode(voice_data).decode(‘utf-8’)

data[‘speech’] = base64.b64encode(voice_data).replace(‘\n’, ”)

#post_data = json.dumps(data)

result = requests.post(self.upvoice_url, json=data, headers={‘Content-Type’: ‘application/json’})

data_result = result.json()

print data_result

return data_result[‘result’][0]

def test_voice():

api_key = “SrhYKqzl3SE1URnAEuZ0FKdT”

api_secert = “hGqeCkaMPb0ELMqtRGc2VjWdmjo7T89d”

bdr = BaiduRest(“test_python”, api_key, api_secert)

#生成

start = time.time()

bdr.text2audio(“你好啊”, “out.wav”)

using = time.time() – start

print using

#識別

start = time.time()

#result = bdr.audio2text(“test.wav”)

#result = bdr.audio2text(“weather.pcm”)

using = time.time() – start

print using, result

return True

if __name__ == “__main__”:

test_voice()

所需硬體：

樹莓派B+

人體紅外線感應模塊

內置麥克風攝像頭(實測樹莓派免驅淘寶鏈接）

申請API：

百度語音api

圖靈api

語音聊天機器人實現原理：當有人來到跟前時–》觸發聊天功能，開始以每2s檢測錄製語音–》通過百度語音api合成文字–》傳遞給圖靈api返回回答信息–》通過百度語音合成播放

【人體感應識別部分Python代碼renti.py】

123456789101112131415161718192021222324252627282930313233

#/usr/bin/python#coding:utf-8import RPi.GPIO as GPIOimport timeimport osimport signalimport atexitGPIO.setmode(GPIO.BCM) GPIO_PIR = 14 GPIO.setup(GPIO_PIR,GPIO.IN) # Echojing = 0dong = 0 sum = 0sum1 = 0oldren = 0sleep = 0def ganying(): i = 0 ok = 0 error = 0 while i 10: if GPIO.input(GPIO_PIR) == 1 : ok = ok + 1 if GPIO.input(GPIO_PIR) == 0 : error = error + 1 time.sleep(0.01) i = i + 1 ren = ok/(error+1) return ren

1

GPIO_PIR = 14

為 紅外線檢測模塊與樹莓派的針腳，腳本函數返回0表示無人，0 為有人

【Python語音識別聊天部分robot.py】

123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112

#/usr/bin/python# -*- coding:utf-8 -*-import sysreload(sys)sys.setdefaultencoding( “utf-8″ )import urllibimport urllib2import jsonimport uuidimport base64import osimport timefrom renti import * #獲取百度tokenappid=7647466apikey=”百度API”secretkey=”百度API” baidu_url=”h.com/oauth/2.0/token?grant_type=client_credentialsclient_id=” + apikey + “client_secret=” + secretkey; y_post=urllib2.urlopen(baidu_url)y_read=y_post.read()y_token=json.loads(y_read)[‘access_token’]#print y_read#print y_token #——————function————- def luyin(): os.system(‘arecord -D plughw:1,0 -c 1 -d 2 1.wav -r 8000 -f S16_LE 2/dev/null’) def fanyi():

#—————語音識別部分 mac_address=”haogeoyes” with open(“1.wav”,’rb’) as f: s_file = f.read() speech_base64=base64.b64encode(s_file).decode(‘utf-8’) speech_length=len(s_file) data_dict = {‘format’:’wav’, ‘rate’:8000, ‘channel’:1, ‘cuid’:mac_address, ‘token’:y_token, ‘lan’:’zh’, ‘speech’:speech_base64, ‘len’:speech_length} json_data = json.dumps(data_dict).encode(‘utf-8’) json_length = len(json_data) asr_server = ‘m/server_api’ request = urllib2.Request(url=asr_server) request.add_header(“Content-Type”, “application/json”) request.add_header(“Content-Length”, json_length) fs = urllib2.urlopen(url=request, data=json_data) result_str = fs.read().decode(‘utf-8’) json_resp = json.loads(result_str) if json_resp.has_key(‘result’): out_txt=json_resp[‘result’][0] else: out_txt=”Null” return out_txt def tuling(b): f=urllib.urlopen(“23.com/openapi/api?key=”此處為圖靈API”info=%s” % b) f=json.loads(f.read())[‘text’] return f def hecheng(text,y_token): #text=”你好我是機器人牛牛很高興能夠認識你” geturl=”u.com/text2audio?tex=”+text+”lan=zhper=1pit=9spd=6cuid=CCyo6UGf16ggKZGwGpQYL9Gxctp=1tok=”+y_token return os.system(‘omxplayer “%s” /dev/null 21 ‘%(geturl)) #return os.system(‘omxplayer “%s” /dev/null 21 ‘%(geturl)) def nowtime(): return time.strftime(‘%Y-%m-%d %H:%M:%S ‘) #—————main—————–num=0 #num用來判斷是第一次說話，還是在對話過程中first=1 #判斷是不是第一說話 當1000次沒有人動認為是第一次while True: if ganying()!=0: run=open(‘run.log’,’a’) if first==0: hecheng(“你好,我是牛牛機器人,你可以和我聊天,不過說話的時候你必須靠近話筒近一點,”,y_token) hecheng(“說點什麼吧,2秒鐘內說完哦.”,y_token) first=1 #為1一段時間就不執行 num=0 #從新計數 #print ganying() run.write(nowtime()+”說點神馬吧………..”+’\n’) print nowtime()+”說點神馬吧……….” luyin() #開始錄音 out=fanyi().encode(“utf-8”) #翻譯文字 run.write(nowtime()+”我說:”+out+’\n’) print nowtime()+”我說:”+out if out == “Null”: text=”沒有聽清楚你說什麼” os.system(‘omxplayer “shenme.wav” /dev/null 21 ‘) else: text=tuling(out) hecheng(text,y_token) print nowtime()+”牛牛:”+text run.write(nowtime()+”牛牛:”+text+’\n’) run.close() else: #print ganying() #調試查看是否為0有人沒人 #print num num=num+1 #num長時間增大說明沒有人在旁邊 if num 1000: first=0 #0表示第一次說話

萬事俱備 運行nohup python robot.py 哈哈就可以脫離屏幕開始愉快的語音聊天啦

下面看看聊天的日誌記錄吧

後續更新。。。。。。Python如何用語音優雅的控制小車

原文：

Python version

ttslearn のインストール

ttslearn の動作確認

パッケージのインポート

描畫周りの設定

NumPy と Torch を用いた配列の作成

numpy.ndarray と torch.Tensor のインタフェースの違い

numpy.ndarray と torch.Tensor の相互変換

numpy.ndarray と torch.Tensor のメモリ共有

scipy.io.wavfile を利用した音聲ファイルの読み込み

音聲の可視化

窓関數

短時間フーリエ変換の実裝

短時間フーリエ変換の結果の可視化

librosa.stft を用いた短時間フーリエ変換

librosa.stftは、STFTを実行する前にデフォルトで信號の冒頭と末尾にパディング処理を行います。前述のSTFT実裝はこの処理をサポートしていないため、同等のSTFTの結果を得るためには、center=Falseとしてパディング処理を行わないように設定します。

時間解像度と周波數解像度のトレードオフ

逆短時間フーリエ変換による音聲の復元

メルフィルタバンク

メルスペクトログラムの計算

Griffin-Lim のアルゴリズムに基づく位相復元

瞬時周波數の可視化 (bonus)

Griffin-Limのアルゴリズムは、位相復元手法です。合成音聲と自然音聲の瞬時位相（位相の時間微分）を比較することで、位相復元が期待通り行われているかを視覚的に確認できます。

翻譯：

Python 版本

ttslearn 的安裝

ttslearn 的操作確認

導入程序包

設置繪圖格式

使用NumPy和Torch創建數組

numpy.ndarray和torch.Tensor之間的介面差異

numpy.ndarray和torch.Tensor的相互轉換

numpy.ndarray和torch.Tensor的內存共享

使用scipy.io.wavfile讀取音頻文件

語音可視化

窗函數

短時傅立葉變換的實現

短時傅立葉變換結果的可視化

使用librosa.stft的短時傅立葉變換

預設情況下，librosa.stft在執行STFT（短時傅里葉變換）之前會對信號的開頭和結尾進行填充。 由於上面提到的STFT實現不支持此操作，因此要獲得等效的STFT結果，請將填充操作設置為center=False。

在時間解析度和頻率解析度間權衡取捨

通過逆短時傅立葉變換進行語音的復原

郵件過濾器組

計算質譜圖

基於Griffin－Lim演算法的相位復原

瞬時頻率可視化（bonus）

Griffin-Lim的演算法是一種相位恢復方法。 通過比較合成語音和自然語音的瞬時相位（相位的時間微分），我們可以直觀地看到相位恢復是否按預期進行。