Python：TTS语音合成技术，市场各大平台对比以及实现

2019-03-05 本文已影响7人 Python数据分析实战

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

价格比较：