全流程演示通过百度AI实现语音识别——将文本转为语音(python实现)
Hart_648 2024-07-04 12:31:04 阅读 60
全流程演示通过百度AI实现语音识别——将文本转为语音(python实现)
文章目录
全流程演示通过百度AI实现语音识别——将文本转为语音(python实现)一. 前置条件二. 获取资源三. 代码实现
本文详细地梳理及实现了如何通过使用百度AI平台,将输入的文本转换成语音。
一. 前置条件
我们需要使用百度旗下的百度AI开放平台,链接如下:
百度AI开放平台-全球领先的人工智能服务平台
二. 获取资源
首先,我们需要进入百度AI平台,选择开放能力–>语音技术–>短语音识别。
其次,获取资源。
如果是首次使用该平台,可以选择使用免费资源:
按下图所示进行操作,此处我是由于已经选过了所以显示的是已领。
领取完成后点击应用列表–>点击创建项目。
应用名称随意,在接口选择中点击语音技术–>点击全选。
点击个人–>点击创建。(应用描述随意)
回到应用列表,若出现应用1,则第一步成功了。
三. 代码实现
首先需要安装相应的python包(前提需要安装好了python或相应软件),在命令提示符中运行以下代码:
<code>pip install baidu-aip
在python环境中:
从AIP中导入相应的语音模块AipSpeech
from aip import AipSpeech
复制粘贴APPID、AK、SK这3个值并以此初始化对象
"""你的APPID AK SK"""
APP_ID='59391449'code>
API_KEY='wmHNwxgshlfghleTdav0tmSH'code>
SECRET_KEY='Z4q63PsTQ90T2SqNdfwjZLVdgD0RU3iu'code>
# 使用上面定义的三个参数来初始化AipSpeech类的一个实例,命名为client。
# 这个实例将用于后续与百度AIP服务的交互。
client=AipSpeech (APP_ID, API_KEY, SECRET_KEY)
三个值的来源为刚刚创建的应用的对应数据,如图:
准备文本及存放路径
<code>Text='八百标兵奔北坡,炮兵并排北边跑,炮兵怕把标兵碰,标兵怕碰炮兵炮。' # 文字部分可以随意拟定code>
filePath= "D:/PycharmProjects/Visual_project/text/voice/MyVoice.mp3 " #音频文件存放路径,替换为你自己的路径
语音合成
# 调用client的synthesis方法来进行语音合成。参数包括要合成的文本、语言类型(这里是中文'zh')、语音的音量(这里是5)等。
result=client.synthesis (Text,'zh',1, { 'vol': 5})
print(result) # 方法的返回值将是一个二进制数据(如果合成成功)或一个字典(如果发生错误)。
识别并正确返回语音二进制代码,错误则返回dict(相应的错误码)
if not isinstance (result, dict):
# 如果结果不是字典(即没有错误),则打开指定的文件路径,并将合成的语音数据写入文件。
# 'wb'模式表示以二进制写模式打开文件。
with open (filePath,'wb')as f: # 以写的方式打开MyVoice.mp3文件
f.write(result) # 将result内容写入MyVoice.mp3文件
else:
print("错误")
此处附上完整代码:
# 从aip模块中导入AipSpeech类,这是百度提供的一个用于语音处理的类。
from aip import AipSpeech
# 下面的三行代码定义了连接到百度AIP服务所需的三个关键参数:APP_ID、API_KEY和SECRET_KEY。
# 这些参数是用于身份验证的,确保只有授权的用户才能访问服务。
APP_ID='59391349' code>
API_KEY='wmHNwxgshltNhleTdav0tmSH' code>
SECRET_KEY='Z4q63PsTQ90T2SqNrxwjZLVdgD0RU3iu' code>
# 使用上面定义的三个参数来初始化AipSpeech类的一个实例,命名为client。
# 这个实例将用于后续与百度AIP服务的交互。
client=AipSpeech(APP_ID, API_KEY, SECRET_KEY)
# 定义要合成为语音的文本内容。这里是一段中文绕口令。
Text='八百标兵奔北坡,炮兵并排北边跑,炮兵怕把标兵碰,标兵怕碰炮兵炮。' code>
# 定义合成后的语音文件将要保存的路径和文件名。
filePath= "D:/PycharmProjects/Visual_project/text/voice/MyVoice.mp3 "
# 调用client的synthesis方法来进行语音合成。参数包括要合成的文本、语言类型(这里是中文'zh')、语音的音量(这里是5)等。
# 方法的返回值将是一个二进制数据(如果合成成功)或一个字典(如果发生错误)。
result=client.synthesis(Text,'zh',1, { 'vol': 5})
# 打印出合成操作的结果,这可能是二进制数据或一个错误字典。
print(result)
# 下面的代码块检查返回的结果是否是一个字典。如果是字典,那么很可能是一个错误信息。
# 如果不是字典,那么结果应该是包含合成语音的二进制数据。
if not isinstance(result, dict):
# 如果结果不是字典(即没有错误),则打开指定的文件路径,并将合成的语音数据写入文件。
# 'wb'模式表示以二进制写模式打开文件。
with open(filePath,'wb') as f:
f.write(result) # 将语音数据写入文件。
else:
# 如果结果是字典,那么打印“错误”,表示语音合成过程中可能出现了问题。
print("错误")
3.在完成以上步骤后,你就可也在设定的路径里找到MyVoice.mp3这个文件,如图:
该文件便是最终成果。
声明
本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。