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、句号重复是甲方要求我实现的功能

2，文字转音频使用百度云的api接口实现：

def audio_out(string_,path,audio_set=None):
  #百度云网络网络配置
  APP_ID = ‘14636839‘
  API_KEY = ‘u34cdKCsR61tzM0r20Qnp3YM‘
  SECRET_KEY = ‘Rehs5G02EqbrRDDgGdPY9NKY2ZlCX8Oq‘
  client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
  if len(string_)>500:
    num=int(len(string_)/500)
    #第一段音频
    result  = client.synthesis(string_[0:500], ‘zh‘, 1, {‘spd‘:audio_set[0],‘pit‘:audio_set[1],‘vol‘: audio_set[2],‘per‘:audio_set[3]})
    open(path, ‘wb‘).write(result)
    #中间段落的音频
    for i in range(1,num):
      result  = client.synthesis(string_[i*500:(i+1)*500], ‘zh‘, 1, {‘spd‘:audio_set[0],‘pit‘:audio_set[1],‘vol‘: audio_set[2],‘per‘:audio_set[3]})
      open(path, ‘ab‘).write(result)
    #最后一段音频
    result  = client.synthesis(string_[num*500:], ‘zh‘, 1, {‘spd‘:audio_set[0],‘pit‘:audio_set[1],‘vol‘: audio_set[2],‘per‘:audio_set[3]})
    open(path, ‘ab‘).write(result)
  else:
    result = client.synthesis(string_, ‘zh‘, 1, {‘spd‘:audio_set[0],‘pit‘:audio_set[1],‘vol‘: audio_set[2],‘per‘:audio_set[3]})
    open(path, ‘wb‘).write(result)

注：由于百度云的语音合成api最大可以支持500个字符长度，这里使用提前截取的方法来进行连续上传数据返回音频，之后进行音频数据的首尾相加。

3，完整的音频处理文件

#文字转音频程序and联合文字处理程序
# encoding:utf-8
# coding by Mufasa 2018.11.09

‘‘‘
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；
‘‘‘

import os
import tkinter.filedialog
import shutil
import tkinter as tk
from aip import AipSpeech

def audio_out(string_,path,audio_set=None):
  #百度云网络网络配置
  APP_ID = ‘14636839‘
  API_KEY = ‘u34cdKCsR61tzM0r20Qnp3YM‘
  SECRET_KEY = ‘Rehs5G02EqbrRDDgGdPY9NKY2ZlCX8Oq‘
  client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
  if len(string_)>500:
    num=int(len(string_)/500)
    #第一段音频
    result  = client.synthesis(string_[0:500], ‘zh‘, 1, {‘spd‘:audio_set[0],‘pit‘:audio_set[1],‘vol‘: audio_set[2],‘per‘:audio_set[3]})
    open(path, ‘wb‘).write(result)
    #中间段落的音频
    for i in range(1,num):
      result  = client.synthesis(string_[i*500:(i+1)*500], ‘zh‘, 1, {‘spd‘:audio_set[0],‘pit‘:audio_set[1],‘vol‘: audio_set[2],‘per‘:audio_set[3]})
      open(path, ‘ab‘).write(result)
    #最后一段音频
    result  = client.synthesis(string_[num*500:], ‘zh‘, 1, {‘spd‘:audio_set[0],‘pit‘:audio_set[1],‘vol‘: audio_set[2],‘per‘:audio_set[3]})
    open(path, ‘ab‘).write(result)
  else:
    result = client.synthesis(string_, ‘zh‘, 1, {‘spd‘:audio_set[0],‘pit‘:audio_set[1],‘vol‘: audio_set[2],‘per‘:audio_set[3]})
    open(path, ‘wb‘).write(result)

def isConnected():
  import requests
  try:
    html = requests.get("http://www.baidu.com",timeout=2)
  except:
    return False
  return True

def out_comma(data,num_1,num_2):
  txt=‘‘
  if isinstance(data,(list)):#有不止一段
    for i in data:
      for n in range(num_1):
        txt=txt+i
    for n in range(num_2):
      for i in data:
        txt=txt+i
  else:#如果不是数组，即只有一个字符串
    for n in range(num_2):
      txt=txt+data
  return txt

def code_a(path,data,set,audio_set):
  txt_mid=data.split(‘...‘)
  for i in range(len(txt_mid)):
    txt_mid[i]=txt_mid[i].split(‘,,,‘)
  #上面是对文本进行切片，下面进行相关处理
  txt=‘‘
  for i in txt_mid:
    txt=txt+out_comma(i,set[0],set[1])
  for i in range(set[2]):
    for j in txt_mid:
      for k in j:
        txt=txt+k
  # import pyperclip
  # pyperclip.copy(txt)
  if path==‘‘:
    import pyperclip
    pyperclip.copy(txt)
  else:
    fobj=open(path+‘.txt‘,‘w‘)
    fobj.write(txt)
    fobj.close()
    #音频生成，需要额外读取audio_set数据

    audio_out(txt,path+‘.mp3‘,audio_set)

def code_b(path,data,set,audio_set):
  txt_mid=data.split(‘...‘)
  for i in range(len(txt_mid)):
    txt_mid[i]=txt_mid[i].split(‘,,,‘)
  txt_last=[]
  for i in txt_mid:
    for j in i:
      txt_last.append(j)
  # print(txt_last)
  # for i in txt_last:
    # print(i)
  # print(‘文本输出完毕‘)#这里是有。标点的
  txt_mark=[]
  txt_midd=data[:2]
  for i in data[2:]:
    txt_midd=txt_midd+i
    if txt_midd==‘,,,‘:
      txt_mark.append(0)
    elif txt_midd==‘...‘:
      txt_mark.append(1)
    txt_midd=txt_midd[1:]
  # print(len(txt_last))#98
  # print(len(txt_mark))#97
  txt=‘‘
  for circle in range(set[2]):
    for i in range(len(txt_mark)):
      if txt_mark[i]==0:
        for j in range(set[0]):
          txt+=txt_last[i]

      elif txt_mark[i]==1:
        for j in range(set[1]):
          txt+=txt_last[i]

  if path==‘‘:
    import pyperclip
    pyperclip.copy(txt)
  else:
    fobj=open(path+‘.txt‘,‘w‘)
    fobj.write(txt)
    fobj.close()
    #音频生成，需要额外读取audio_set数据
    audio_out(txt,path+‘.mp3‘,audio_set)

class assist():
  def write_txt_data(data,path):
    ls = os.linesep
    #data 为数组类型
    fobj = open(path,‘w‘)
    fobj.writelines([‘%s%s‘%(x,ls)for x in data])
    fobj.close()
  def read_txt_data(path):
    fobj = open(path,‘r‘)
    string = []
    for eachline in fobj:
      if eachline[:-1] != ‘‘:
        string.append(eachline[:-1])
    fobj.close()
    return string

class out_setconfig(tk.Toplevel):
  def __init__(self):
    super().__init__()
    self.title(‘参数设置‘)# 弹窗界面
    self.data_set_path = os.path.dirname(os.path.realpath(__file__))+"\\data_set.txt"
    isExists = os.path.exists(self.data_set_path )
    if isExists == False:     #bug,之前没有设置
      self.setup_eror()
    else:
      self.setup_UI()

  def setup_eror(self):
    row1 = tk.Frame(self)
    row1.pack(fill="x")
    tk.Label(row1, text=‘程序第一次运行！\n\n已进行参数初始化操作\n‘).pack(side=tk.LEFT)
    row4 = tk.Frame(self)
    row4.pack(fill="x")
    assist.write_txt_data([‘1‘,‘2‘,‘2‘,‘2‘,‘1‘,‘3‘,‘1‘,‘2‘,‘5‘,‘5‘,‘5‘,‘0‘],self.data_set_path )

    tk.Button(row4, text="关闭窗口", command=self.cancel).pack(side=tk.RIGHT)
  def setup_UI(self):

    self.A1 = tk.StringVar()
    self.A2 = tk.StringVar()
    self.A3 = tk.StringVar()
    self.A0 = tk.IntVar()

    self.B1 = tk.StringVar()
    self.B2 = tk.StringVar()
    self.B3 = tk.StringVar()
    self.B0 = tk.IntVar()

    self.C0 = tk.StringVar()
    self.C1 = tk.StringVar()
    self.C2 = tk.StringVar()
    self.C3 = tk.StringVar()

    data = assist.read_txt_data(self.data_set_path)
    self.A1.set(data[1])
    self.A2.set(data[2])
    self.A3.set(data[3])
    d = int(data[0])
    self.A0.set(d)

    self.B1.set(data[5])
    self.B2.set(data[6])
    self.B3.set(data[7])
    d = int(data[4])
    self.B0.set(d)

    self.C0.set(data[8])
    self.C1.set(data[9])
    self.C2.set(data[10])
    self.C3.set(data[11])

    row1 = tk.Frame(self)
    row1.pack(fill="x")

    tk.Label(row1,text=‘程序A‘,width=30 ).grid(row=0,column=0,columnspan=2)
    tk.Label(row1,text=‘逗号次数：‘,width=15).grid(row=1,column=0)
    tk.Label(row1,text=‘句号次数：‘,width=15).grid(row=2,column=0)
    tk.Label(row1,text=‘全部文本次数‘,width=15).grid(row=3,column=0)
    tk.Label(row1,text=‘是否生成文本‘,width=15).grid(row=4,column=0)

    tk.Entry(row1, textvariable=self.A1, width=13).grid(row=1,column=1)
    tk.Entry(row1, textvariable=self.A2, width=13).grid(row=2,column=1)
    tk.Entry(row1, textvariable=self.A3, width=13).grid(row=3,column=1)
    checkA = tk.Checkbutton(row1, text="播放", variable=self.A0)
    checkA.select()
    checkA.grid(column=1, row=4, sticky=tk.W)

    tk.Label(row1,text=‘程序B‘,width=30 ).grid(row=0,column=2,columnspan=2)
    tk.Label(row1,text=‘逗号次数：‘,width=15).grid(row=1,column=2)
    tk.Label(row1,text=‘句号次数：‘,width=15).grid(row=2,column=2)
    tk.Label(row1,text=‘全部文本次数‘,width=15).grid(row=3,column=2)
    tk.Label(row1,text=‘是否生成文本‘,width=15).grid(row=4,column=2)

    tk.Entry(row1, textvariable=self.B1, width=13).grid(row=1,column=3)
    tk.Entry(row1, textvariable=self.B2, width=13).grid(row=2,column=3)
    tk.Entry(row1, textvariable=self.B3, width=13).grid(row=3,column=3)
    checkB = tk.Checkbutton(row1, text="播放", variable=self.B0)
    checkB.select()
    checkB.grid(column=3, row=4, sticky=tk.W)

    self.A0.set(int(data[0]))
    self.B0.set(int(data[4]))

    #这个是音频合成设置界面的
    tk.Label(row1,text=‘音频合成参数设置‘,width=30 ).grid(row=0,column=4,columnspan=2)
    tk.Label(row1,text=‘语速：‘,width=15).grid(row=1,column=4)
    tk.Label(row1,text=‘音调：‘,width=15).grid(row=2,column=4)
    tk.Label(row1,text=‘音量‘,width=15).grid(row=3,column=4)
    tk.Label(row1,text=‘发音人‘,width=15).grid(row=4,column=4)

    tk.Entry(row1, textvariable=self.C0, width=13).grid(row=1,column=5)
    tk.Entry(row1, textvariable=self.C1, width=13).grid(row=2,column=5)
    tk.Entry(row1, textvariable=self.C2, width=13).grid(row=3,column=5)
    tk.Entry(row1, textvariable=self.C3, width=13).grid(row=4,column=5)

    tk.Button(row1, text="取消", command=self.cancel, width=13).grid(row=9,column=0)
    tk.Button(row1, text="确定", command=self.ok, width=13).grid(row=9,column=4)
    tk.Button(row1, text="重置", command=self.reset, width=13).grid(row=9,column=5)

  def ok(self):
    self.userinfo_A = [self.A0.get(), self.A1.get(),self.A2.get(),self.A3.get()] # 设置数据
    self.userinfo_B = [self.B0.get(), self.B1.get(),self.B2.get(),self.B3.get()] # 设置数据
    self.userinfo_C = [self.C0.get(), self.C1.get(),self.C2.get(),self.C3.get()]

    self.userinfo_A[0] = str(self.userinfo_A[0])
    self.userinfo_B[3] = str(self.userinfo_B[3])

    data = self.userinfo_A + self.userinfo_B+self.userinfo_C
    # print(data)
    assist.write_txt_data(data,os.path.dirname(os.path.realpath(__file__))+"\\data_set.txt")
    self.destroy() # 销毁窗口
  def cancel(self):
    self.userinfo = None # 空！
    self.destroy()

  def reset(self):
    assist.write_txt_data([‘1‘,‘2‘,‘2‘,‘2‘,‘1‘,‘3‘,‘1‘,‘2‘,‘5‘,‘5‘,‘5‘,‘0‘],self.data_set_path )
    self.destroy()

################################
class main_code(tk.Tk):
  def __init__(self):
    super().__init__()
    self.audio_path = ""
    self.run = True
    self.vartext = tk.StringVar()

    self.txt=‘‘
    networkisok=isConnected()
    if networkisok:
      self.mark_text = ‘网络连接正常！\n欢迎使用！‘
    else:
      self.mark_text = ‘无网络连接！\n请确认网络连接是否完好\n无法连接百度云服务器‘

    self.insert_text = ‘‘
    self.vartext.set(self.mark_text)
    self.audio_path = ""
    self.title(‘音频标记‘)
    self.setupUI()

  def setupUI(self):

    row4 = tk.Frame(self)
    row4.pack(fill="x")

    tk.Button(row4,text=‘导入文本‘,width=27,command=self.select).grid(row=0,column=0)
    tk.Button(row4,text=‘设置文本‘,width=27,command=self.setup_config).grid(row=0,column=1)
    tk.Button(row4,text=‘生成文本‘,width=27,command=lambda:self.lay(entry1.get())).grid(row=0,column=2)

    label = tk.Label(row4,height=3,textvariable=self.vartext, bg=‘white‘, font=(‘黑体‘, 10), anchor=‘w‘).grid(row=1,column=0,columnspan=3)

    entry1 = tk.Entry(row4,width=85)
    entry1.grid(row=2,column=0,columnspan=3)

  def select(self):   #获取audio_path和audio_len
    self.audio_path = tk.filedialog.askopenfilename(initialdir = ‘C:\\Users\\Administrator\\Desktop‘,filetypes=( ("txt or docx files", "*.txt;*.docx"),("All files", "*.*")))
    if self.audio_path=="":
      self.vartext.set(‘未导入任何文件‘)
    else:
      p,f=os.path.split(self.audio_path)
      path = os.path.dirname(os.path.realpath(__file__)) + ‘\\data\\‘ + str(os.path.splitext(f)[0])
      # print(path)
      isExists = os.path.exists(path)
      if not isExists:  #如果不存在这个目录
        os.makedirs(path)  #创建一个新的路径
        shutil.copyfile(self.audio_path,path+‘\\‘+f)

      if str(os.path.splitext(f)[1])==‘.txt‘:
        file_object = open(self.audio_path,‘r‘, encoding=‘UTF-8‘)
        try:
          file_context = file_object.read()
        finally:
          file_object.close()
        self.txt=file_context
        self.vartext.set(‘已导入txt文本‘)
      # print(1)
      elif str(os.path.splitext(f)[1])==‘.docx‘:
        import docx
        document = docx.Document(self.audio_path)
        txt=‘‘
        for paragraph in document.paragraphs:
          txt+=paragraph.text
        self.txt=txt
        self.vartext.set(‘已导入docx文本‘)

      self.audio_path=path+‘\\‘+f#更新数据路径
      # print(self.audio_path)

  def lay(self,txt=‘‘):
    mark_set=assist.read_txt_data(os.path.dirname(os.path.realpath(__file__))+"\\data_set.txt")
    # print(mark_set)

    for i in range(len(mark_set)):
      mark_set[i]=int(mark_set[i])

    # mark_set=[1,1,0,1,0,0,1,4]
    if txt==‘‘:
      if self.audio_path!=‘‘:
        p,f=os.path.split(self.audio_path)
        # print(p)
        if mark_set[0]==1:
          # code_a(p+‘\\‘+str(os.path.splitext(f)[0])+‘_A‘+‘.txt‘,self.txt,mark_set[1:4])
          code_a(p+‘\\‘+str(os.path.splitext(f)[0])+‘_A‘,self.txt,mark_set[1:4],mark_set[8:12])
          # self.vartext.set(‘已生成文本标记文件A‘)
        if mark_set[4]==1:
          # code_b(p+‘\\‘+str(os.path.splitext(f)[0])+‘_B‘+‘.txt‘,self.txt,mark_set[5:])
          code_b(p+‘\\‘+str(os.path.splitext(f)[0])+‘_B‘,self.txt,mark_set[5:],mark_set[8:12])
          # self.vartext.set(‘已生成文本标记文件B‘)
        if mark_set[0]==1 and mark_set[4]==1:
          self.vartext.set(‘已生成文本标记文件A、B和相应的音频‘)
        elif mark_set[0]==1 and mark_set[4]==0:
          self.vartext.set(‘已生成文本标记文件A和相应的音频‘)
        elif mark_set[0]==0 and mark_set[4]==1:
          self.vartext.set(‘已生成文本标记文件B和相应的音频‘)
        elif mark_set[0]==0 and mark_set[4]==0:
          self.vartext.set(‘设置中未确定生成何种文件\n请在设置文本中调整参数！‘)
      else:
        self.vartext.set(‘未导入任何文件‘)
    else:
      # print(txt)
      if mark_set[0]==1:
        code_a(‘‘,txt,mark_set[1:4])
        self.vartext.set(‘已将A程序处理后的文字复制到剪切板\n直接粘贴即可\n如果想使用B程序处理请在设置中将程序A取消，并勾选程序B‘)
      elif mark_set[4]==1:
        code_b(‘‘,txt,mark_set[5:])
        self.vartext.set(‘已将B程序处理后的文字复制到剪切板\n直接粘贴即可\n如果想使用A程序处理请在设置中将程序B取消，并勾选程序A‘)

  def setup_config(self):
    res = self.ask_userinfo()
    if res is None: return
  def ask_userinfo(self):
    inputDialog = out_setconfig()
    self.wait_window(inputDialog) # 这一句很重要！！！

if __name__ == ‘__main__‘:
  app = main_code()
  app.mainloop()

原文地址：https://www.cnblogs.com/Mufasa/p/10474542.html

时间： 2024-07-30 15:43:14

文本转音频（百度语音合成api）（python）的相关文章

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&clie

【Python】Python的urllib、urllib2模块调用“百度翻译”API进行批量自动翻译

1.问题描述 在文本数据处理时,经常回出现文本中各种语言的混杂情况,包括:英文.日语.俄语.法语等,需要将不同语种的语言批量翻译成中文进行处理.可以通过Python直接调用百度提供的翻译API进行批量的翻译. 百度翻译API详细文档见:百度翻译API文档 2.问题解决 开发环境:Linux 将文本中的中文和非中文进行分离,对非中文的部分进行翻译. Python的代码如下:translate.py #!/usr/bin/python #-*- coding:utf-8 -*- import sys

Python 调用百度翻译API

由于实习公司这边做的是日文app,有时要看看用户反馈,对于我这种五十音图都没记住的人,表示百度翻译确实还可以.但不想每次都复制粘贴啊,google被墙也是挺蛋疼的事,所以用python结合baidu api 整了一下,和大家分享. 1.百度翻译api 由于百度翻译api需要用到API key,所以,得注册百度开发者账号,然后创建开发者服务工程,得到的授权API key,具体操作可查看官方文档,请点 百度翻译api 2.代码实现  基本思路是:先将用户反馈抓下来,然后再处理html标签,再调用百度

百度地图API图标、文本、图例与连线

百度地图开放平台功能强大,使用简单,为地图的自定义提供了非常方便的途径! 本文以绘制一张全国机器辐射图为例记录其基本使用方法,效果如下图: 图中包括了带图标和文本的标注,连线以及图例. 1.关于坐标 说到地图,不得不说坐标. 我以为,GPS获取经纬度之后,把经纬度丢给地图就可以了.但那真的是自以为. 1.1 坐标系 来看看实际情况,以下是百度开发文档里的描述: 目前国内主要有以下三种坐标系: WGS84:为一种大地坐标系,也是目前广泛使用的GPS全球卫星定位系统使用的坐标系. GCJ02:又称火

Python调用百度地图API（路线规划、POI检索）——第一部分

项目的目的是为了查询某个点附近某些POI的最近距离,例如查询天安门到附近最近的商场的距离(时间) 1.百度地图API 程序中用到百度地图的两个API,分别是 (1)路线规划服务(又名Direction API):http://lbsyun.baidu.com/index.php?title=webapi/direction-api-v2 (2)地点检索服务(又名Place API):http://lbsyun.baidu.com/index.php?title=webapi/guide/webs

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

C# 百度语音合成

语音合成及TTS,我们尝试使用百度的语音合成技术 不过我发现 有一种缺点在于没有离线包让我有些很不舒服,可能是在线版的 原因微软语音识别技术在Windows 2000是默认集成在系统组件中 或许我们不必去寻找新的语音合成替代方案,不过在线版一旦离线 只有Game Over,Hah不过有一点好处在于使用方便适合广发开发 者,第二百度语音合成后的音频流,妹子的声音听着较舒服 如果可 以在"卡哇伊"的萌妹妹,一定会更好,不过应该在解决一下声音坚 硬的感觉或许会更好,虽然语音合成技术发展这么多

微信学习总结 15 百度语音合成

百度语音合成通过REST API的方式给开发者提供一个通用的HTTP接口,基于该接口,开发者可以轻松的获取语音合成能力,本文档描述了使用语音合成服务REST API的方法. 对本文中将提到的名词约定如下: 语音合成:也被称为文本转换技术(TTS),它是将计算机自己产生的.或外部输入的文字信息转变为可以听得懂的.流利的口语输出的技术. 应用程序:在开发中调用了API.具有语音合成功能的产品线产品. 功能介绍 REST API支持对一段文本的合成,其中对于文本格式以及参数有一定的要求.请按照文档中描

百度地图api练习

web前端展示1: <!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" /> <