阿里云 CosyVoice 语音合成大模型 API 实践

前言

最近大模型这么火，就想着玩一下，作为非 AI 从业者，最好的方式就是调用云服务的 API 来构建自己的 AI 应用。

首选当然是国外的 ChatGPT API，但是说实话那个玩意有点贵，而且最近国内也被封禁不让调用了，最近使用了下阿里的通义千问，说良心话，如果我们的 AI 应用是基于中文的，个人觉得国内的通义千问和文心一言还是挺不错的。

说干就干，开通了阿里云的 dashscope.api_key, 这个开通很简单这里就不说了，而且这个 Key 每个月送的都有免费试用的 token 数，不商用，玩玩完全是足够了的。而且现在阿里的 API key 收费贼便宜，冲就是了。

接下来我会演示调用 **文字合成语音大模型，**来生成两段语音，我把生成的语音上传到资源里了，大家可以下载听一下：

女朋友想要买一个东西，然后给男朋友撒娇的语音
女朋友撒娇
小女孩嘴馋想要买糖葫芦，给姐姐撒娇的语音
小女孩撒娇

参考文档：
官方实例代码 git 地址
 官方CosyVoice 大模型文字生语音文档
 不同 voice 音色官方文档

这里有很多不同种的音色，和真人语音差不多，而且有的还挺有意思的，比如有个龙老铁的，东北口音，大家可以试下。

代码

java 复制代码

# coding=utf-8

import dashscope
from dashscope.audio.tts_v2 import *

dashscope.api_key = '使用你在阿里云开通的 key'

# 女朋友撒娇
npy_sajiao = """
哎呀~亲爱的，你知不知道我今天在商场里看到了一个超级超级可爱的小熊玩偶啊？
它的眼睛圆溜溜的，好像会说话一样，我一看到它，心都快要融化了呢~但是人家最近钱包君有点瘦，所以只好忍痛离开了。
可是脑子里一直都是它的影子，转来转去都是它萌萌的样子，我是不是很没出息呀？
要是你能帮宝贝把它带回家，我保证会给你做好多好多好吃的，还会给你一个大大的熊抱加香香的亲亲哦~好不好嘛，就当是给我的小奖励嘛~
"""
# 适合女朋友撒娇的温柔音色
wenrou_voice = 'longmiao'


# 小女孩撒娇
xiaonvhai_sajiao = """
玲玲姐姐~你最好了嘛！我刚才路过街角那家老糖葫芦摊，那个糖葫芦红彤彤、亮晶晶的，上面的山楂一颗颗圆滚滚，好像在跟我眨眼睛呢！我站在那儿好久好久，闻着那甜甜的香味儿，脚都挪不动步了。
可是我回头想想，自己这个月的零花钱已经全都换成故事书了。我心里痒痒的，就差那么一点点就能尝到那酸甜的滋味儿了。
玲玲姐姐，你能不能当我的救星，让我实现这个小小的愿望呢？下次你有喜欢的东西，我也存钱给你买，好不好嘛~你就答应我这一次，让我感受一下那传统美味在舌尖跳舞的感觉吧！
"""
# 适合小女孩撒娇的音色
zhiqi_voice = 'longtong'

###################################################
speech_synthesizer = SpeechSynthesizer(
    model='cosyvoice-v1',
    voice=zhiqi_voice,
    format=AudioFormat.MP3_48000HZ_MONO_256KBPS,
    callback=None,
    speech_rate=0.5)
# 生成稚气可爱小女孩撒娇语音
result = speech_synthesizer.call(xiaonvhai_sajiao)
with open('zhiqi.mp3', 'wb') as f:
    f.write(result)

#################################################
speech_synthesizer = SpeechSynthesizer(
    model='cosyvoice-v1',
    voice=wenrou_voice,
    format=AudioFormat.MP3_48000HZ_MONO_256KBPS,
    callback=None,
    speech_rate=0.5)
# 生成温柔可爱女朋友撒娇语音
result = speech_synthesizer.call(npy_sajiao)
with open('wenrou.mp3', 'wb') as f:
    f.write(result)

print('ok')

这里我试用了很多音色，推荐两种个人觉得挺不错很适合我设定角色的音色：

longmiao：适合女朋友撒娇
longtong：适合小女孩撒娇

上边的文案也是用通义千问生成的，感觉不错。

总结

阿里提供了各种各样的的大模型 API ，包括文字处理，语音，图片，视频等，云服务大模型 AI API 的提供，可以说把普通人进入 AI 行业的门槛降到了最低，以后人人都是 AI 工程师，最珍贵的不再是 AI 算法，而是一个好的 idea，将生活中的大大小小事情结合这些 AI 能力，产生创造力，提升我们的工作生活效率。

只想说未来以来，特别是作为程序员的我们，思想一定不能再停留在以前的思考方式。

这是我使用 AI API 的第一次尝试，后边我会尝试更多的API, 而且会试着去结合他们，看会产生什么不一样的效果，比如说：将文字实时转为语音，然后再让 AI 生成配上对应的图片。