Python：TTS语音合成技术，市场各大平台对比以及实现
TTS
前景提要：在线的实时合成TTS技术，巴拉巴拉... 此处省略3千字 市场的TTS平台：讯飞语音，百度智能语音开放平台，阿里云，腾讯云，思必驰，捷通华声(灵云)等。
TTS的合成简单来说就三大步： 1️⃣创建应用 2️⃣发起请求 3️⃣解析音频数据，合成音频文件
咱们废话不说一个一个来： 一、讯飞，音频届的老大哥
支持多种语言开发，选择适合自己的，我这里选的是WebAPI：
多种语言开发
01、创建应用
创建应用
说明： 1和3： 是在代码中具体使用到的 鉴权码 2：表示试用期间的每天使用次数 4：请求IP要添加白名单，不添加白名单会请求失败 5：可以选择不同的发音人：(分初级和高级，高级的另收费)
code：
def tts_xunfei(text): # API请求地址、API KEY、APP ID等参数，提前填好备用 api_url = "http://api.xfyun.cn/v1/service/v1/tts" API_KEY = "API_KEY" APP_ID = "APP_ID" OUTPUT_FILE = "讯飞.wav" # 输出音频的保存路径，请根据自己的情况替换 TEXT = text# 构造输出音频配置参数custom_skill.py3 Param = {"auf": "audio/L16;rate=16000", # 音频采样率 "aue": "raw", # 音频编码，raw(生成wav)或lame(生成mp3) "voice_name": "x_xiaoyuan", "speed": "50", # 语速[0,100] "volume": "77", # 音量[0,100] "pitch": "50", # 音高[0,100] "engine_type": "aisound" # 引擎类型。aisound（普通效果），intp65（中文），intp65_en（英文） } # 配置参数编码为base64字符串，过程：字典→明文字符串→utf8编码→base64(bytes)→base64字符串 Param_str = json.dumps(Param) # 得到明文字符串 Param_utf8 = Param_str.encode('utf8') # 得到utf8编码(bytes类型) Param_b64 = base64.b64encode(Param_utf8) # 得到base64编码(bytes类型) Param_b64str = Param_b64.decode('utf8') # 得到base64字符串 # 构造HTTP请求的头部 time_now = str(int(time.time())) checksum = (API_KEY + time_now + Param_b64str).encode('utf8') checksum_md5 = hashlib.md5(checksum).hexdigest() header = {"X-Appid": APP_ID, "X-CurTime": time_now, "X-Param": Param_b64str, "X-CheckSum": checksum_md5} # 构造HTTP请求Body body = {"text": TEXT} body_urlencode = urllib.parse.urlencode(body) body_utf8 = body_urlencode.encode('utf8') # 发送HTTP POST请求 req = urllib.request.Request(api_url, data=body_utf8, headers=header) response = urllib.request.urlopen(req) # 读取结果 response_head = response.headers['Content-Type'] if (response_head == "audio/mpeg"): data = response.read() # a 'bytes' object save_wav(data, OUTPUT_FILE) else: print(response.read().decode('utf8'))
注意：将上面的APP_ID和API_KEY更换为自己的即可，另外记得添加IP白名单
二、阿里平台 用户鉴权有有效期，到期了要重新获取token
def tts_ali(text): # 获取存储的access_token, token_expireTime 两个同时更新 token_expireTime = 1551513046 access_token = "9fcdcd2a190f49cb926dc5c2e24043c8" # 当前的时间戳 和 token有效期对比，如果过期则重新生成 local_time = int(time.time()) if local_time >= token_expireTime: # 重新生成并存储 access_token, token_expireTime = get_token() headers = { "Content-Type": "application/json;charset=UTF-8", "X-NLS-Token":access_token, } data_info = { "appkey":"5dz4RRvAJufMAB6g", "text":text, "token":access_token, "format":"wav", "voice":"yina", "sample_rate":"16000", # 音频采样率，默认是16000 "volume":"50", # 音量，范围是0~100，默认50 "speech_rate":"45", # 语速，范围是-500~500，默认是0 "pitch_rate":"0", # 语调，范围是-500~500，默认是0 # 试听发音人：https://ai.aliyun.com/nls/tts?spm=5176.8142029.388261.47.f8ed6d3e0NhBch # 发音人参数：https://help.aliyun.com/document_detail/84435.html?spm=a2c4g.11186623.6.581.69a853d5E4c3vM # 推荐：小梦 思悦 小美 伊娜 } data = json.dumps(data_info) ret = requests.post(ALI_URL, headers=headers, data=data, timeout=5) save_wav(ret.content, "ali2.wav")
提醒： token的获取我代码里有完整的 另外开发测试期间，开发文档会提供简易的不过期token，方便测试
三、百度 调用方式简单，开发文档里有说明
# 百度def tts_baidu(text): baidu_url = "http://tsn.baidu.com/text2audio?lan=zh&ctp=1&cuid=abcdxxx&tok=24.ed4dfdxxxxxff0af259fc.2592000.1553756573.282335-15631432&tex={}&vol=9&per=0&spd=5&pit=5&aue=6".format(text) ret = requests.get(baidu_url, timeout=5) save_wav(ret.content, "siyue.wav")
四、腾讯 正在开发测试阶段，直接舍弃了
五、标贝
# 标贝def tts_biaobei(text): """获取tts语音""" tts_url = "http://1.203.80.138:8001/tts?user_id=xxx&domain=1&volume=0&language=zh&speed=5&audiotype=5&text=" + text f = requests.get(tts_url) voice = f.content return voice
六、思必驰
# 思必驰def tts_dui(text): data_dict = { "context": {"productId": "productId"}, "request": {"requestId": "tryRequestId", "audio": {"audioType": "WAV", "sampleRate": 16000, "channel": 1, "sampleBytes": 2}, "tts": { "text": text, "textType": "text", "voiceId": "lili1f_shangwu"}}} data = json.dumps(data_dict) headers = { 'content-type': 'application/json', 'User-Agent': 'Mozilla/5.0 '} r = requests.post(DUI_URL, data=data, headers=headers, timeout=5) print(r) # 写入文件生成音频 save_wav(r.content, "DUI.wav")
七、捷通华声（灵云）
# 灵云def tts_lingyun(text): linghyun_URL = "http://api.hcicloud.com:8880/tts/synthtext" request_data = "2014-6-18 10:10:11" data = request_data + "应用参数" md5 = hashlib.md5() md5.update(data.encode('utf-8')) # 注意转码 res = md5.hexdigest() headers = {"x-app-key": "c95d54cf", "x-sdk-version": "3.9", "x-request-date": request_data, "x-task-config": "capkey=tts.cloud.xiaokun,audioformat=mp3,speed=2,volume=9.99", "x-session-key": res, "x-udid": "101:1234567890"} r = requests.post(linghyun_URL, headers=headers, data=text.encode('utf-8'), timeout=5) # 获取音频数据 ret = r.content ret = ret[ret.find(b'</ResponseInfo>') + 15:] # 写入文件生成音频 save_wav(bytes(ret), "aasdasd.mp3")
没有python示例代码，返回参数比较变态，解析出音频耗了我大量时间(因为我技术不佳)
使用过程中：百度无人回复，没给报价，思必驰没找到任何公司人员 各平台均有使用，每天限次数，可以开发试听一下， 效果比较个人感觉： 标贝 > 讯飞 > 阿里 > 百度 > 思必驰 > 灵云
赞 (0)