python騰訊語音合成

一、騰訊語音合成介紹

　　騰訊云語音合成技術（TTS）可以將任意文本轉化為語音，實現讓機器和應用張口說話。 騰訊TTS技術可以應用到很多場景，比如，移動APP語音播報新聞；智能設備語音提醒；依靠網上現有節目或少量錄音，快速合成明星語音，降低邀約成本；支持車載導航語音合成的個性化語音播報。（廢話一大堆）。。。

二、騰訊語音合成python SDK文檔

　　安裝 Python SDK 前，先獲取安全憑證。在第一次使用云 API 之前，用戶首先需要在騰訊云控制臺上申請安全憑證，安全憑證包括 SecretID 和 SecretKey, SecretID 是用于標識 API 調用者的身份，SecretKey 是用于加密簽名字符串和服務器端驗證簽名字符串的密鑰。SecretKey 必須嚴格保管，避免泄露。　

　通過 pip 安裝(推薦)

　　　　您可以通過 pip 安裝方式將騰訊云 API Python SDK 安裝到您的項目中，如果您的項目環境尚未安裝 pip，請詳細參見?pip官網 安裝。

　　　　通過pip方式安裝請在命令行中執行以下命令:

　　　 pip install tencentcloud-sdk-python

　　　? ?請注意，如果同時有 python2 和 python3 環境， python3 環境需要使用 pip3 命令安裝。

三、騰訊語音合成

 1 # ！/usr/bin/env python
 2 # -*- coding: utf-8 -*-
from base64 import b64decode
from uuid import uuid4
from tencentcloud.common import credential
from tencentcloud.common.exception.tencent_cloud_sdk_exception import TencentCloudSDKException
from tencentcloud.aai.v20180522.models import TextToVoiceRequest
from tencentcloud.aai.v20180522.aai_client import AaiClient
try:
    # 實例化一個認證對象，入參需要傳入騰訊云賬戶secretId，secretKey
    cred = credential.Credential("你的secretID", "你的secretKey")
    # 實例化要進行語音合成請求的client對象
    client = AaiClient(cred, 'ap-shanghai')
    # 實例化一個請求對象
    req = TextToVoiceRequest()
    # 請求對象屬性封裝
    req.Text = '先帝創業未半而中道崩殂'  # type: str # 要合成語音的文本
    req.SessionId = uuid4()  # type: int # 一次請求對應一個SessionId，會原樣返回，建議傳入類似于uuid的字符串防止重復
    req.ModelType = 1  # type: int # 模型類型，默認值為1
    req.Volume = 5.0  # type: float # 音量大小，范圍：[0，10]，分別對應10個等級的音量，默認為0
    req.Speed = 0.6  # type: float # 語速，范圍：[-2，2]，分別對應不同語速：0.6倍，0.8倍，1.0倍，1.2倍，1.5倍，默認為0
    req.ProjectId = 10086  # type: int # 項目id，用戶自定義，默認為0
    req.VoiceType = 0  # type: int # 音色0:女聲1，親和風格(默認) 音色1:男聲1，成熟風格 音色2:男聲2，成熟風格
    req.PrimaryLanguage = 1  # type: int # 主語言類型1:中文，最大100個漢字（標點符號算一個漢字）語言類型2:英文，最大支持400個字母（標點符號算一個字母)
    req.SampleRate = 16000  # type: int # 音頻采樣率，16000：16k，8000：8k，默認16k
    # 通過client對象調用想要訪問的接口，需要傳入請求對象
    rep = client.TextToVoice(req)
    # rep為響應對象
    print(rep)
    """
        {
        "Audio": "UklGRlR/AABXQVZFZm10IBAAAAABAAEAgD4AAAB9AAACABAAZGF0YSx9AAD+AQD//wAAAAAAAAIAAQADAAMABgAEAAYABQAGAAUABwAIAAgACQAAE......AAgACAAEAAgADAAIAAwACAAQAAwACAAIAAgADAAMAAgACAAIAAwABAAAAAAAAAAAAAAD/AAAAAAAA//8AAP///v/9//7//v///v8AAP///wAA/wAA/wAAAAAAAAAAAAAAAAAAAAAAAAAA",
        "RequestId": "9a7a1615-3e09-4db2-8032-5c6f497f7e6a",
        "SessionId": "session-1234"
        }
        Audio對應的值為經過base64編碼,
        RequestId為返回的唯一請求id,
        SessionId為發送請求時傳入的id即uuid4()
    """
    # content為base64解碼后的二進制流
    content = b64decode(rep.Audio)
    # I/O操作
    with open('voice.wav', 'wb') as f:
        f.write(content)
except TencentCloudSDKException as e:
    print(e)

四、騰訊語音合成使用后感受

　　首先，在代碼層次上講，官方壓根沒有合成示例文檔啊(咆哮ing)，全自己摸索的啊(咆哮ing)，SDK都開發出來了，示例代碼給一下能死啊(咆哮ing)，怪不得沒人用啊(咆哮ing)！

　　第二，還是在代碼層次上講，源碼中TextToVoiceRequest()類，在__init__()方法中就不能直接封裝屬性啊(咆哮ing)，有些沒有自定制但都是默認的直接填上不就行了啊(咆哮ing)，懶死你啊，非得一行一行自己加屬性啊(咆哮ing)，看到的同學務必要修改這個類的__init__()方法，要不然就像示例代碼中那樣麻煩。

　　第三，在合成效果上講，聲音難聽爆了有木有，語音文件還得解碼再I/O,吃飽了撐的了啊，還是那句話：怪不得沒人用，百度語音合成效果比你強多了。

　　總之，就這樣吧，不吐槽你了，真是費勁。。。