调用华为API实现语音合成

news2024/11/17 19:41:03

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。
在这里插入图片描述 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。
在这里插入图片描述
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：
在这里插入图片描述
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
在这里插入图片描述
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
在这里插入图片描述
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。

# 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)