README.md•10 kB
# 短文本在线合成（TTS）
## 简介
短文本在线合成组件（TTS）提供高度拟人、流畅自然的语音合成服务，将文本朗读出来，基础音库性价比更高，精品音库听感更逼真。
### 功能介绍
提供高度拟人、流畅自然的语音合成服务。
### 特色优势
将文本朗读出来，基础音库性价比更高，精品音库听感更逼真。可实时生成语音输出，几乎没有延迟，更加自然流畅。
### 应用场景
文本朗读
## 基本用法
下面是语音合成的代码示例：
```python
import os
import appbuilder
# 请前往千帆AppBuilder官网创建密钥，流程详见：https://cloud.baidu.com/doc/AppBuilder/s/Olq6grrt6#1%E3%80%81%E5%88%9B%E5%BB%BA%E5%AF%86%E9%92%A5
os.environ["APPBUILDER_TOKEN"] = "bce-YOURTOKEN"
tts = appbuilder.TTS()
cwd = os.getcwd()
# 使用baidu-tts模型, 默认返回MP3格式
inp = appbuilder.Message(content={"text": "欢迎使用语音合成"})
out = tts.run(inp)
mp3_sample_path = os.path.join(cwd,"sample.mp3")
with open(mp3_sample_path, "wb") as f:
f.write(out.content["audio_binary"])
print("成功将文本转语音，mp3格式文件已写入：{}".format(mp3_sample_path))
# 使用paddlespeech-tts模型，目前只支持返回WAV格式
wav_sample_path = os.path.join(cwd,"sample.wav")
inp = appbuilder.Message(content={"text": "欢迎使用语音合成"})
out = tts.run(inp, model="paddlespeech-tts", audio_type="wav")
with open(wav_sample_path, "wb") as f:
f.write(out.content["audio_binary"])
print("成功将文本转语音，wav格式文件已写入：{}".format(wav_sample_path))
```
## 参数说明
### 鉴权说明
使用组件之前，请首先申请并设置鉴权参数，可参考[组件使用流程](https://cloud.baidu.com/doc/AppBuilder/s/Olq6grrt6#1%E3%80%81%E5%88%9B%E5%BB%BA%E5%AF%86%E9%92%A5)。
```python
import os
os.environ["APPBUILDER_TOKEN"] = "..."
```
### 初始化参数
无
### 调用参数
| 参数名称 | 参数类型 | 是否必须 | 描述 | 示例值 |
|------------|---------|------|------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|-------------------------------------|
| message | String | 是 | 待转成语音的文本 | Message(content={"text": "需合成的文本"}) |
| model | String | 否 | 默认是`baidu-tts`模型，可选值：`paddlespeech-tts`、`baidu-tts` | paddlespeech-tts |
| speed | Integer | 否 | 语音语速，默认是5中等语速，取值范围在0~15之间，仅当模型为`baidu-tts`参数有效，如果模型为`paddlespeech-tts`，参数自动失效 | 5 |
| pitch | Integer | 否 | 语音音调，默认是5中等音调，取值范围在0~15之间，仅当模型为`baidu-tts`参数有效，如果模型为`paddlespeech-tts`，参数自动失效 | 5 |
| volume | Integer | 否 | 语音音量，默认是5中等音量，取值范围在0~15之间，,仅当模型为`baidu-tts`参数有效，如果模型为`paddlespeech-tts`，参数自动失效 | 5 |
| person | Integer | 否 | 语音人物特征，默认是0(度小美),普通音库可选值包括: 0(度小美)、1(度小宇)、3(度逍遥-基础)、4(度丫丫)；精品音库包括：5003(度逍遥-精品)、5118(度小鹿)、106(度博文)、110(度小童)、111(度小萌)、103(度米朵)、5(度小娇)；臻品音库包括：4003(度逍遥-情感男声)、4106(度博文-专业男主播)、4115(度小贤-电台男主播)、4119(度小鹿-甜美女声)、4105(度灵儿-清激女声)、4117(度小乔-活泼女声)、4100(度小雯-活力女主播)、4103(度米朵-可爱女声)、4144(度姗姗-娱乐女声)、4278(度小贝-知识女主播)、4143(度清风-配音男声)、4140(度小新-专业女主播)、4129(度小彦-知识男主播)、4149(度星河-广告男声)、4254(度小清-广告女声)、4206(度博文-综艺男声)、4226(南方-电台女主播)。仅当模型为`baidu-tts`参数有效，如果模型为`paddlespeech-tts`，参数自动失效 | 0 |
| audio_type | String | 否 | 音频文件格式，如果使用`baidu-tts`模型可选`mp3`, `wav`; 如果使用`paddlespeech-tts`模型非流式返回，参数只能设为`wav`;如果使用`paddlespeech-tts`模型流式返回，参数只能设为`pcm` | wav |
| stream | Bool | 否 | 默认是False, 目前`paddlespeech-tts`模型支持流式返回，`baidu-tts`模型不支持流式返回 | False |
| retry | Integer | 否 | HTTP重试次数 | 3 |
| timeout | Integer | 否 | HTTP超时时间 | 5 |
### 非流式语音响应参数
| 参数名称 | 参数类型 | 描述 | 示例值 |
|---------------|--------|--------|---------|
| content | Dict | 消息内容 | 无 |
| +audio_binary | Bytes | 音频二进制流 | b'语音流' |
| +audio_type | String | 音频类型 | wav/mp3 |
### 流式语音响应参数
| 参数名称 | 参数类型 | 描述 | 示例值 |
|---------|------------------|----------|-----|
| content | Python Generator | 可迭代的二进制流 | 无 |
### 响应示例
```json
{
"content": {
"audio_binary": "",
"audio_type": "mp3"
}
}
```
### 错误码
| 错误码 | 描述 |
|-----|----|
## 高级用法
### TTS实时播放语音流
```python
import os
import appbuilder
import pyaudio
# 请前往千帆AppBuilder官网创建密钥，流程详见：https://cloud.baidu.com/doc/AppBuilder/s/Olq6grrt6#1%E3%80%81%E5%88%9B%E5%BB%BA%E5%AF%86%E9%92%A5
os.environ["APPBUILDER_TOKEN"] = "bce-YOURTOKEN"
tts = appbuilder.TTS()
# 使用paddlespeech-tts模型，目前只支持返回WAV格式
inp = appbuilder.Message(content={"text": """随着科技的迅速发展，教育领域也经历了巨大的变革。科技不仅改变了教学和学习的方式，还扩展了教育的可能性和边界。
从在线课程到交互式学习工具，科技为学生和教师提供了前所未有的资源和机遇。科技使得个性化学习成为可能。通过智能学习系统和适应性学习技术，
教育内容可以根据学生的学习速度和能力进行定制。"""})
# 仅支持model为paddlespeech-tts，audio_type为pcm, stream为True
out = tts.run(inp, model="paddlespeech-tts", audio_type="pcm", stream=True)
play = pyaudio.PyAudio()
stream = play.open(format=play.get_format_from_width(2),
channels=1,
rate=24000,
output=True,
frames_per_buffer=2048)
# 实时播放语音流
for pcm in out.content:
stream.write(pcm)
stream.stop_stream()
stream.close()
```
### pcm文件转wav
```python
import os
import appbuilder
import wave
# 请前往千帆AppBuilder官网创建密钥，流程详见：https://cloud.baidu.com/doc/AppBuilder/s/Olq6grrt6#1%E3%80%81%E5%88%9B%E5%BB%BA%E5%AF%86%E9%92%A5
os.environ["APPBUILDER_TOKEN"] = "bce-YOURTOKEN"
tts = appbuilder.TTS()
inp = appbuilder.Message(content={"text": """随着科技的迅速发展，教育领域也经历了巨大的变革。科技不仅改变了教学和学习的方式，还扩展了教育的可能性和边界。
从在线课程到交互式学习工具，科技为学生和教师提供了前所未有的资源和机遇。科技使得个性化学习成为可能。通过智能学习系统和适应性学习技术，
教育内容可以根据学生的学习速度和能力进行定制。"""})
# 仅支持model为paddlespeech-tts，audio_type为pcm, stream为True
out = tts.run(inp, model="paddlespeech-tts", audio_type="pcm", stream=True)
count = 1
cwd = os.getcwd()
for pcm in out.content:
wave_sample_path = os.path.join(cwd, "{}.wav".format(count))
wavfile = wave.open(wave_sample_path, 'wb')
wavfile.setnchannels(1)
wavfile.setsampwidth(2)
wavfile.setframerate(24000)
wavfile.writeframes(pcm)
wavfile.close()
print("成功将第{}个pcm语音块转换成wav格式，并将对应文件写入：{}".format(count, wave_sample_path))
count += 1
```
## 更新记录和贡献
* 短文本在线合成 (2024-01)
* 增加流式能力 (2024-02)