目录
- 1.作者介绍
- 2.华为云语音合成
-
- [2.1 语音合成介绍](#2.1 语音合成介绍)
- [2.2 华为语音合成服务](#2.2 华为语音合成服务)
- [2.3 应用场景](#2.3 应用场景)
- [3. 实验过程以及结果](#3. 实验过程以及结果)
-
- [3.1 获取API密钥](#3.1 获取API密钥)
- [3.2 调用语音合成算法API](#3.2 调用语音合成算法API)
- [3.3 实验代码](#3.3 实验代码)
- [3.4 运行结果](#3.4 运行结果)
1.作者介绍
袁斌,男,西安工程大学电子信息学院,2023级研究生
研究方向:医学影像大数据分析
电子邮件:1424233159@qq.com
吴思雨,女,西安工程大学电子信息学院,2023级研究生
研究方向:机器视觉与异常检测
电子邮件:2879944563@qq.com
2.华为云语音合成
2.1 语音合成介绍
语音合成技术,通常被称为文本到语音(Text-to-Speech,TTS),是一种将书面文本转换为自然语音的技术。其主要应用包括为视障人士提供信息获取渠道、智能语音助手、自动化呼叫中心,以及内容创作中的配音等。语音合成技术的发展历程可以大致分为几个阶段:基于规则的合成、统计参数合成(如隐马尔可夫模型,HMM),以及近年来的深度学习方法(如基于神经网络的WaveNet、Tacotron等)。
2.2 华为语音合成服务
华为语音合成服务,是一种将文本转换成逼真语音的服务。用户通过实时访问和调用API获取语音合成结果,将用户输入的文字合成为音频。通过音色选择、自定义音量、语速,为企业和个人提供个性化的发音服务。
2.3 应用场景
1.语音导航
使用语音合成服务将车载导航数据转换成语音素材,为用户提供精确的语音导航服务。利用个性化定制能力,提供丰富的导航语音服务。
2.有声读物
将书籍、杂志、新闻的文本内容转换成逼真的人声发音,充分解放人们的眼睛,在搭乘地铁、开车、健身等场景下获取信息、享受乐趣。
3.电话回访
在客服系统场景中,通过语音合成服务将回访内容转换成人声,直接使用语音和客户交流,提升用户体验。
4.智能教育
将书本上的文本内容合成为语音,接近真人的发音可模拟真人教学场景,实现课文的朗读和带读,帮助学生更好地理解和掌握教学内容。
3. 实验过程以及结果
3.1 获取API密钥
1、注册华为云账号,进行实名认证,开通服务。
2、AK/SK认证,下载文件credentials.csv。
3、登录控制台。
4、单击页面右上角的用户名,并选择"我的凭证"。进入"我的凭证"页面:
单击"访问秘钥"页签下的"新增访问密钥"。弹出"新增访问密钥"对话框:
输入"登录密码",如果绑定了手机或者邮箱,还需要获取验证码并进行验证。验证成功后,弹出访问密钥下载对话框。单击"确定",并根据提示下载保存访问密钥。如果已生成过AK/SK,找到原来已下载的AK/SK文件,文件名一般为:credentials.csv。
3.2 调用语音合成算法API
1、点击开发者页面下的开发工具
2、单击API Explorer进入华为云OpenAPI页面,搜索语音交互。
3、设置参数
输入需要语音合成的文本,设置语音格式,采样率,语种等参数,示例:
待合成的文本:明月几时有,把酒问青天?
语音格式头: mp3
采样率 : 8000
语种: chinese_xiaoqi_common 小琪,标准女声发音人
4、API 3.0 Explorer 在线接口调试图
调试成功之后,将自动生成的python代码复制即可,但是一定要记得填入自己的"AK/SK"!!
3.3 实验代码
将ak,sk等参数修改为获取的密钥,运行成功后获得temp.mp3文件,正是所输入文本的语音。
javascript
# coding: utf-8
from huaweicloudsdkcore.auth.credentials import BasicCredentials
from huaweicloudsdksis.v1.region.sis_region import SisRegion
from huaweicloudsdkcore.exceptions import exceptions
from huaweicloudsdksis.v1 import *
import base64
def base64_to_file(base64_string, file_path):
# 将base64字符串解码为字节流
decoded_bytes = base64.b64decode(base64_string)
# 将字节流写入文件
with open(file_path, 'wb') as file:
file.write(decoded_bytes)
if __name__ == "__main__":
ak = __import__('os').getenv("CLOUD_SDK_AK")
sk = __import__('os').getenv("CLOUD_SDK_SK")
projectId = "6093a8e9e016484f9f9ccb3e85d1af45"
credentials = BasicCredentials(ak, sk, projectId)
client = SisClient.new_builder() \
.with_credentials(credentials) \
.with_region(SisRegion.value_of("cn-east-3")) \
.build()
try:
request = RunTtsRequest()
configbody = TtsConfig(
audio_format="mp3",
sample_rate="8000",
_property="chinese_xiaoqi_common",
speed=10,
pitch=10,
volume=50
)
request.body = PostCustomTTSReq(
config=configbody,
text="明月几时有,把酒问青天"
)
response = client.run_tts(request)
print(response)
base64_to_file(response.result.data, "temp.mp3")
except exceptions.ClientRequestException as e:
print(e.status_code)
print(e.request_id)
print(e.error_code)
print(e.error_msg)