Python：TTS語音合成技術，市場各大平台對比以及實作

TTS

前景提要：線上的實時合成TTS技術，巴拉巴拉... 此處省略3千字

市場的TTS平台：訊飛語音，百度智能語音開放平台，阿裡雲，騰訊雲，思必馳，捷通華聲(靈雲)等。

TTS的合成簡單來說就三大步：

1️⃣建立應用

2️⃣發起請求

3️⃣解析音頻資料，合成音頻檔案

咱們廢話不說一個一個來：

一、訊飛，音頻屆的老大哥

支援多種語言開發，選擇适合自己的，我這裡選的是WebAPI：

多種語言開發

01、建立應用

建立應用

說明：

1和3： 是在代碼中具體使用到的 鑒權碼

2：表示試用期間的每天使用次數

4：請求IP要添加白名單，不添加白名單會請求失敗

5：可以選擇不同的發音人：(分初級和進階，進階的另收費)

code：

def tts_xunfei(text):
  # API請求位址、API KEY、APP ID等參數，提前填好備用
  api_url = "http://api.xfyun.cn/v1/service/v1/tts"
  API_KEY = "API_KEY"
  APP_ID = "APP_ID"
  OUTPUT_FILE = "訊飛.wav"  # 輸出音頻的儲存路徑，請根據自己的情況替換
  TEXT = text

# 構造輸出音頻配置參數custom_skill.py3
  Param = {"auf": "audio/L16;rate=16000",  # 音頻采樣率
      "aue": "raw",  # 音頻編碼，raw(生成wav)或lame(生成mp3)
      "voice_name": "x_xiaoyuan", "speed": "50",  # 語速[0,100]
      "volume": "77",  # 音量[0,100]
      "pitch": "50",  # 音高[0,100]
      "engine_type": "aisound"  # 引擎類型。aisound（普通效果），intp65（中文），intp65_en（英文）
    }
  # 配置參數編碼為base64字元串，過程：字典→明文字元串→utf8編碼→base64(bytes)→base64字元串
  Param_str = json.dumps(Param)  # 得到明文字元串
  Param_utf8 = Param_str.encode('utf8')  # 得到utf8編碼(bytes類型)
  Param_b64 = base64.b64encode(Param_utf8)  # 得到base64編碼(bytes類型)
  Param_b64str = Param_b64.decode('utf8')  # 得到base64字元串

  # 構造HTTP請求的頭部
  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}

  # 構造HTTP請求Body
  body = {"text": TEXT}
  body_urlencode = urllib.parse.urlencode(body)
  body_utf8 = body_urlencode.encode('utf8')

  # 發送HTTP POST請求
  req = urllib.request.Request(api_url, data=body_utf8, headers=header)
  response = urllib.request.urlopen(req)

  # 讀取結果
  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'))           

複制

注意：将上面的APP_ID和API_KEY更換為自己的即可，另外記得添加IP白名單

二、阿裡平台

使用者鑒權有有效期，到期了要重新擷取token

def tts_ali(text):

    # 擷取存儲的access_token, token_expireTime  兩個同時更新
    token_expireTime = 1551513046
    access_token = "9fcdcd2a190f49cb926dc5c2e24043c8"

    # 目前的時間戳 和 token有效期對比，如果過期則重新生成
    local_time = int(time.time())
    if local_time >= token_expireTime:
        # 重新生成并存儲
        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",  # 音頻采樣率，預設是16000
        "volume":"50", # 音量，範圍是0~100，預設50
        "speech_rate":"45", # 語速，範圍是-500~500，預設是0
        "pitch_rate":"0", # 語調，範圍是-500~500，預設是0

        # 試聽發音人：https://ai.aliyun.com/nls/tts?spm=5176.8142029.388261.47.f8ed6d3e0NhBch
        # 發音人參數：https://help.aliyun.com/document_detail/84435.html?spm=a2c4g.11186623.6.581.69a853d5E4c3vM
        # 推薦：小夢 思悅 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")           

複制

提醒：

token的擷取我代碼裡有完整的

另外開發測試期間，開發文檔會提供簡易的不過期token，友善測試

三、百度

調用方式簡單，開發文檔裡有說明

# 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")           

複制

四、騰訊

正在開發測試階段，直接舍棄了

五、标貝

# 标貝
def tts_biaobei(text):
    """擷取tts語音"""
    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           

複制

六、思必馳

# 思必馳
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)

    # 寫入檔案生成音頻
    save_wav(r.content, "DUI.wav")           

複制

七、捷通華聲（靈雲）

# 靈雲
def tts_lingyun(text):

    linghyun_URL = "http://api.hcicloud.com:8880/tts/synthtext"
    request_data = "2014-6-18 10:10:11"

    data = request_data + "應用參數"
    md5 = hashlib.md5()
    md5.update(data.encode('utf-8'))  # 注意轉碼
    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)

    # 擷取音頻資料
    ret = r.content
    ret = ret[ret.find(b'</ResponseInfo>') + 15:]

    # 寫入檔案生成音頻
    save_wav(bytes(ret), "aasdasd.mp3")           

複制

沒有python示例代碼，傳回參數比較變态，解析出音頻耗了我大量時間(因為我技術不佳)

使用過程中：百度無人回複，沒給報價，思必馳沒找到任何公司人員

各平台均有使用，每天限次數，可以開發試聽一下，

效果比較個人感覺：

标貝 > 訊飛 > 阿裡 > 百度 > 思必馳 > 靈雲