百度语音合成api/sdk及demo

1、流程

  1)换取token

    用Api Key 和 SecretKey。访问https://openapi.baidu.com/oauth/2.0/token 换取 token   

// appKey = Va5yQRHl********LT0vuXV4
// appSecret = 0rDSjzQ20XUj5i********PQSzr5pVw2

https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id=Va5yQRHl********LT0vuXV4&client_secret=0rDSjzQ20XUj5i********PQSzr5pVw2

  返回

{
    "access_token": "1.a6b7dbd428f731035f771b8d********.86400.1292922000-2346678-124328",
    "expires_in": 2592000,
    "refresh_token": "2.385d55f8615fdfd9edb7c4b********.604800.1293440400-2346678-124328",
    "scope": "public audio_tts_post ...",
    "session_key": "ANXxSNjwQDugf8615Onqeik********CdlLxn",
    "session_secret": "248APxvxjCZ0VEC********aK4oZExMB",
}scope中含有audio_tts_post 表示有语音合成能力,没有该audio_tts_post 的token调用接口会返回502错误。 在结果中可以看见 token = 1.a6b7dbd428f731035f771b8d********.86400.1292922000-2346678-124328,在2592000秒(30天)后过期

  2)访问合成接口

#从上文中我们获取的token是 1.a6b7dbd428f731035f771b8d********.86400.1292922000-2346678-124328
http://tsn.baidu.com/text2audio?lan=zh&ctp=1&cuid=abcdxxx&tok=1.a6b7dbd428f731035f771b8d****.86400.1292922000-2346678-124328&tex=%e7%99%be%e5%ba%a6%e4%bd%a0%e5%a5%bd&vol=9&per=0&spd=5&pit=5&aue=3
// 这是一个正常MP3的下载url
// tex在实际开发过程中请urlencode2次"""
tex 必填 合成的文本,使用UTF-8编码。小于2048个中文字或者英文数字。(文本在百度服务器内转换为GBK后,长度必须小于4096字节)
tok 必填 开放平台获取到的开发者access_token(见上面的“鉴权认证机制”段落)
cuid 必填 用户唯一标识,用来计算UV值。建议填写能区分用户的机器 MAC 地址或 IMEI 码,长度为60字符以内
ctp 必填 客户端类型选择,web端填写固定值1
lan 必填 固定值zh。语言选择,目前只有中英文混合模式,填写固定值zh
spd 选填 语速,取值0-15,默认为5中语速
pit 选填 音调,取值0-15,默认为5中语调
vol 选填 音量,取值0-15,默认为5中音量
per 选填 发音人选择, 0为普通女声,1为普通男生,3为情感合成-度逍遥,4为情感合成-度丫丫,默认为普通女声
aue 选填 3为mp3格式(默认); 4为pcm-16k;5为pcm-8k;6为wav(内容同pcm-16k); 注意aue=4或者6是语音识别要求的格式,但是音频内容不是语音识别要求的自然人发音,所以识别效果会受影
  • aue =3 ,返回为二进制mp3文件,具体header信息 Content-Type: audio/mp3;
  • aue =4 ,返回为二进制pcm文件,具体header信息 Content-Type:audio/basic;codec=pcm;rate=16000;channel=1
  • aue =5 ,返回为二进制pcm文件,具体header信息 Content-Type:audio/basic;codec=pcm;rate=8000;channel=1
  • aue =6 ,返回为二进制wav文件,具体header信息 Content-Type: audio/wav;

"""

2、api 代码demo

# coding=utf-8
import sys
import json

IS_PY3 = sys.version_info.major == 3
if IS_PY3:
    from urllib.request import urlopen
    from urllib.request import Request
    from urllib.error import URLError
    from urllib.parse import urlencode
    from urllib.parse import quote_plus
else:
    import urllib2
    from urllib import quote_plus
    from urllib2 import urlopen
    from urllib2 import Request
    from urllib2 import URLError
    from urllib import urlencode

API_KEY = ‘4E1BG9lTnlSeIf1NQFlrSq6h‘
SECRET_KEY = ‘544ca4657ba8002e3dea3ac2f5fdd241‘

TEXT = "欢迎使用百度语音合成。"

# 发音人选择, 0为普通女声,1为普通男生,3为情感合成-度逍遥,4为情感合成-度丫丫,默认为普通女声
PER = 4
# 语速,取值0-15,默认为5中语速
SPD = 5
# 音调,取值0-15,默认为5中语调
PIT = 5
# 音量,取值0-9,默认为5中音量
VOL = 5
# 下载的文件格式, 3:mp3(default) 4: pcm-16k 5: pcm-8k 6. wav
AUE = 3

FORMATS = {3: "mp3", 4: "pcm", 5: "pcm", 6: "wav"}
FORMAT = FORMATS[AUE]

CUID = "123456PYTHON"

TTS_URL = ‘http://tsn.baidu.com/text2audio‘

class DemoError(Exception):
    pass

"""  TOKEN start """

TOKEN_URL = ‘http://openapi.baidu.com/oauth/2.0/token‘
SCOPE = ‘audio_tts_post‘  # 有此scope表示有tts能力,没有请在网页里勾选

def fetch_token():
    print("fetch token begin")
    params = {‘grant_type‘: ‘client_credentials‘,
              ‘client_id‘: API_KEY,
              ‘client_secret‘: SECRET_KEY}
    post_data = urlencode(params)
    if (IS_PY3):
        post_data = post_data.encode(‘utf-8‘)
    req = Request(TOKEN_URL, post_data)
    try:
        f = urlopen(req, timeout=5)
        result_str = f.read()
    except URLError as err:
        print(‘token http response http code : ‘ + str(err.code))
        result_str = err.read()
    if (IS_PY3):
        result_str = result_str.decode()

    print(result_str)
    result = json.loads(result_str)
    print(result)
    if (‘access_token‘ in result.keys() and ‘scope‘ in result.keys()):
        if not SCOPE in result[‘scope‘].split(‘ ‘):
            raise DemoError(‘scope is not correct‘)
        print(‘SUCCESS WITH TOKEN: %s ; EXPIRES IN SECONDS: %s‘ % (result[‘access_token‘], result[‘expires_in‘]))
        return result[‘access_token‘]
    else:
        raise DemoError(‘MAYBE API_KEY or SECRET_KEY not correct: access_token or scope not found in token response‘)

"""  TOKEN end """

if __name__ == ‘__main__‘:
    token = fetch_token()
    tex = quote_plus(TEXT)  # 此处TEXT需要两次urlencode
    print(tex)
    params = {‘tok‘: token, ‘tex‘: tex, ‘per‘: PER, ‘spd‘: SPD, ‘pit‘: PIT, ‘vol‘: VOL, ‘aue‘: AUE, ‘cuid‘: CUID,
              ‘lan‘: ‘zh‘, ‘ctp‘: 1}  # lan ctp 固定参数

    data = urlencode(params)
    print(‘test on Web Browser‘ + TTS_URL + ‘?‘ + data)

    req = Request(TTS_URL, data.encode(‘utf-8‘))
    has_error = False
    try:
        f = urlopen(req)
        result_str = f.read()

        headers = dict((name.lower(), value) for name, value in f.headers.items())

        has_error = (‘content-type‘ not in headers.keys() or headers[‘content-type‘].find(‘audio/‘) < 0)
    except  URLError as err:
        print(‘asr http response http code : ‘ + str(err.code))
        result_str = err.read()
        has_error = True

    save_file = "error.txt" if has_error else ‘result.‘ + FORMAT
    with open(save_file, ‘wb‘) as of:
        of.write(result_str)

    if has_error:
        if (IS_PY3):
            result_str = str(result_str, ‘utf-8‘)
        print("tts api  error:" + result_str)

    print("result saved as :" + save_file)

3、sdk下载

pip install baidu-aip

5、sdk demo代码

# coding=utf-8
from aip import AipSpeech

API_KEY = ‘DHEl3FqU9oxxx‘ # 替换成你的api_key 在创建的应用中查找
SECRET_KEY = ‘ZWGxEZjxxxxIMx7BeGnoW83u‘ # 替换成你的secret_key 在创建的应用中查找
APP_ID = ‘1xx3x3‘ # 替换成你的app_id
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
result = client.synthesis(u‘baidu是一家科技公司‘, ‘zh‘, 1, {
    ‘vol‘: 5, ‘per‘: 5, ‘spd‘: 4
})
# vol 控制音量 per 控制男女声 spd 控制速度
if not isinstance(result, dict):
    with open(‘auido.mp3‘, ‘wb‘) as f:
        f.write(result)

原文地址:https://www.cnblogs.com/kakawith/p/11005365.html

时间: 2024-08-28 18:02:09

百度语音合成api/sdk及demo的相关文章

文本转音频(百度语音合成api)(python)

1,UI界面设计(精简设计),使用tk框架 功能说明:1,文本标记功能整合进程序中:2,联网的http API接口整合: 1,网络检查: 2,断网异常检测: 3,网络传数据.接数据:3,文本转语音的baidu-api接口整合 1,语速,取值0-9,默认为5中语速: 2,音调,取值0-9,默认为5中语调: 3,音量,取值0-15,默认为5中音量: 4,发音人选择, 0为女声,1为男声,3为情感合成-度逍遥,4为情感合成-度丫丫,默认为普通女:4,音频保存自主设置: 注:其中的逗号.句号重复是甲方要

调用百度地图API的小demo

update <!DOCTYPE html> <html> <head> <meta http-equiv="Content-Type" content="text/html; charset=utf-8" /> <meta name="viewport" content="initial-scale=1.0, user-scalable=no" /> <sty

HTML5结合百度地图API创建地图应用

具体的百度地图API的使用方法查看百度地图API里的DEMO <style> #div1{ width:400px; height:400px; border:1px #000 solid;} </style> <script src="http://api.map.baidu.com/api?v=1.3"></script> <script> window.onload = function(){ var oInput =

百度语音合成(TTS)SDK使用方法

语音合成是实现人机语音交互,建立一个有听和讲能力的交互系统所必需的关键技术. 这篇文章将介绍如何使用百度Android语音合成SDK. 与语音识别SDK类似,使用语音合成SDK也需要注册,并开启语音合成API服务,详细步骤可以参考   点击打开链接        中的注册部分. 百度语音合成SDK以JAR包+动态链接库形式发布,需要开发者在        点击打开链接      下载SDK开发包,并将libs文件夹拷贝到工程中 申请必要的权限 [java] view plaincopy <use

Android Studio下Android应用开发集成百度语音合成使用方法样例

转载请注明来源: http://blog.csdn.net/kjunchen/article/details/51093134 Android Studio下Android应用开发集成百度语音合成使用方法样例 首先,语音合成是指将文本信息转换成声音.意思就是将文本转化为声音,让你的应用开口说话.国内在业内比较有名的第三方语音合成平台有百度语音和科大讯飞. 本博文集成的是百度语音合成,其主要特点是: 完全永久免费 业界首创完全永久免费新形式,为开发者提供最流畅最自然的语音合成服务.完全免费,永久使

vue 实现百度语音合成(语音播报)

这里我完全依照百度提供的语音合成api来做:https://ai.baidu.com/docs#/TTS-Online-Node-SDK/top 直接去看node.js SDK. 1.换取access_token: 参考:https://ai.baidu.com/docs#/TTS-API/top,在这里用浏览器换取token 2.下载sdk依赖: npm install baidu-aip-sdk 完整代码(非原创,参考了一个demo,但是很久以前写的找不到了): btts(text) { c

xcode5 百度地图api 环境搭建

非原创在http://www.2cto.com/kf/201305/213314.html的基础上稍做修改. 1.官网下载最新的SDK开发包_iOS静态库文件 http://developer.baidu.com/map/sdkiosdev-download.htm 解压后如下: 其中inc是头文件 mapapi.bundle是图片库 Release-iphoneos真机调试所需用到的.a文件 Release-iphonesimulator虚拟机调试所需用到的.a文件 readme是一些版本介绍

发现最新版百度Android 定位SDK v6.1.3 网络定位bug

对于百度地图已经实在忍无可忍了,实验室两年以前的一个项目用到了百度地图,以前师兄毕业了,我来维护这个破项目,百度地图推出新版本出来后,老版本的api不能用了,你就不能做到向下兼容吗?换掉少量的api也就算了,居然整体风格都换了,大爷的,我得先学老版本的api看懂师兄留下的代码,再学新版本的api修改这个项目,这也没啥,然而你新版本官方demo怎么还留bug!!折腾一天后发现,这是百度Android 定位SDK的bug,不是我自己的代码的问题的感觉很奇妙有木有!!! 使用百度官网提供的demo学习

百度人脸识别SDK学习

之前看到同事说人脸识别多么高大上之类的, 我就好奇搜索了一下, 本人是小白级别,喜欢用百度多一点,所以就使用了百度的人脸识别SDK进行研究.不得不说百度提供的完档很详细,在学习过程中很少出现不能解决的问题, 所以本人也偷个懒,把sdk文档复制下来. 注:貌似有个bug,我在百度语音中菜单下创建的人脸识别,然后获取API_key和Secret_key, 在学习尝试过程中, 或多或少有请求量, 但是报表中却没有任何记录, 难道是bug吗? 我在想是不是可以无限制的调用了,作为尝试, 没去批量去测试,