在线AI语音合成播报

小柒2012
1,772 阅读4分钟
原文链接： mp.weixin.qq.com

前言

语音合成技术能将用户输入的文字，转换成流畅自然的语音输出，并且可以支持语速、音调、音量设置，打破传统文字式人机交互的方式，让人机沟通更自然。

应用场景

将游戏场景中的公告、任务或派单信息通过语音播报，让玩家玩游戏或配送员送货的同时，也可接听新任务。

文学小说类软件，可以利用百度语音合成技术将文学小说作品进行高质量的朗读，流畅清晰，解放双眼，畅听世界。

项目架构

Python3.7.2、Django2.1.7、baidu-aip

案例

这里只展示部分代码，有兴趣的同学可以自行下载源码安装调试。

    import os
    import time
    import codecs
    from aip import AipSpeech
    from django.shortcuts import render
    from django.http import HttpResponse
    '''
    pip install --upgrade pip
    pip install django
    pip install baidu-aip
    '''
    def main(request):
        return render(request, 'index.html')
    def m_main(request):
        return render(request, 'm_index.html')
    def convert(request):
        message = request.POST.get("message")
        switch = request.POST.get("switch")
        mp3 = du_say(message, switch)
        return HttpResponse(mp3)
    def du_say(message, switch):
        write_txt(message)
        app_id = '*****'
        api_key = '*****'
        secret_key = '*****'
        client = AipSpeech(app_id, api_key, secret_key)
        if switch == "true":
            switch = 3
        else:
            switch = 4
        result = client.synthesis(message, 'zh', 1, {
            'vol': 5, 'per': switch,
        })
        t = time.time()
        now_time = lambda: int(round(t * 1000))
        path = os.getcwd() + os.path.sep + "static" + os.path.sep + "audio"+os.path.sep
        audio = path+str(now_time())+'.mp3'
        # 识别正确返回语音二进制 错误则返回dict 参照下面错误码
        if not isinstance(result, dict):
            with open(audio, 'wb') as f:
                f.write(result)
        return str(now_time())+'.mp3'
    def write_txt(message):
        t = time.time()
        now_time = lambda: int(round(t * 1000))
        path = os.getcwd() + os.path.sep + "static" + os.path.sep + "text"+os.path.sep
        text = path+str(now_time())+'.txt'
        with codecs.open(text, 'a', encoding='utf8')as f:
            f.write(message)

本地部署

从码云拉取项目到本地：

    https://gitee.com/52itstyle/baidu-speech.git

配置百度语音API：

    # 自行注册申请
    https://console.bce.baidu.com/ai/#/ai/speech/app/list

启动项目：

    # 切换到项目根目录，执行
    manage.py runserver

外网部署

这里以Linux为例，代理使用 openresty。

安装 Python3

    wget https://www.python.org/ftp/python/3.7.1/Python-3.7.1.tar.xz

事先安装依赖，否则后期安装会报错：

    yum -y install zlib*
    yum -y install libffi-devel

下面开始正式安装：

    # 解压
    tar -xvf Python-3.7.1.tar.xz
    # 切换大目录
    cd Python-3.7.1
    # 配置编译
    ./configure
    # 编译安装
    make && make install

安装 Django

    pip install Django

安装成功以后需要重新配置并编译安装 Python3：

    # 配置编译
    ./configure
    # 编译安装
    make && make install
安装服务器 uwsgi
    pip3 install uwsgi

上传项目到服务器，并切换到 speech 目录：

    # 目录下新建文件夹
    mkdir script

在 script 下新增 uwsgi.ini (项目中已经配置好，自行修改路径即可)：

    # uwsig使用配置文件启动
    [uwsgi]
    # 项目目录
    chdir=/www/speech/
    # 指定项目的application
    module=speech.wsgi:application
    # 指定sock的文件路径       
    socket=/www/speech/script/uwsgi.sock
    # 进程个数       
    workers=5
    pidfile=/www/speech/script/uwsgi.pid
    # 指定IP端口       
    http=127.0.0.1:8001
    # 指定静态文件
    static-map=/static=/www/speech/static
    # 启动uwsgi的用户名和用户组
    uid=root
    gid=root
    # 启用主进程
    master=true
    # 自动移除unix Socket和pid文件当服务停止的时候
    vacuum=true
    # 序列化接受的内容，如果可能的话
    thunder-lock=true
    # 启用线程
    enable-threads=true
    # 设置自中断时间
    harakiri=30
    # 设置缓冲
    post-buffering=4096
    # 设置日志目录
    daemonize=/www/speech/script/uwsgi.log

然后使用以下命令启动：

    uwsgi  --ini uwsgi.ini

执行命令，查看是否启动成功：

    [root@AY140216131049Z script]# ps -ef|grep uwsgi  
    root      3040     1  0 Nov21 ?        00:00:03 uwsgi --ini uwsgi.ini
    root      3041  3040  0 Nov21 ?        00:00:00 uwsgi --ini uwsgi.ini
    root      3042  3040  0 Nov21 ?        00:00:00 uwsgi --ini uwsgi.ini
    root      3043  3040  0 Nov21 ?        00:00:00 uwsgi --ini uwsgi.ini
    root      3044  3040  0 Nov21 ?        00:00:00 uwsgi --ini uwsgi.ini
    root      3045  3040  0 Nov21 ?        00:00:00 uwsgi --ini uwsgi.ini
    root      3046  3040  0 Nov21 ?        00:00:00 uwsgi --ini uwsgi.ini
    root      6606  6580  0 18:13 pts/0    00:00:00 grep --color=auto uwsgi

重启：

    uwsgi --reload uwsgi.pid
配置Nginx代理：
    server {
            listen  80;
            server_name  speech.52itstyle.vip;
            charset utf-8;
            location / {
               include uwsgi_params; # 导入一个Nginx模块他是用来和uWSGI进行通讯的
               uwsgi_connect_timeout 30; # 设置连接uWSGI超时时间
               uwsgi_pass unix:/www/speech/script/uwsgi.sock; # 指定uwsgi的sock文件所有动态请求就会直接丢给他
            }
            # 动静分离 Nginx 处理静态请求
            location /static {
                root /www/speech/;
            }
       }

如果启动HTTPS：

    server {
             listen 80;
             listen 443 ssl;
             server_name  speech.52itstyle.vip;
             #ssl on;
             #证书路径
             ssl_certificate    /usr/local/openresty/nginx/cert/1901523_speech.52itstyle.vip.pem;
             #私钥路径
             ssl_certificate_key   /usr/local/openresty/nginx/cert/1901523_speech.52itstyle.vip.key;
             #缓存有效期
             ssl_session_timeout 5m;
             #可选的加密算法,顺序很重要,越靠前的优先级越高.
             ssl_ciphers ECDHE-RSA-AES128-GCM-SHA256:ECDHE:ECDH:AES:HIGH:!NULL:!aNULL:!MD5:!ADH:!RC4;
             #安全链接可选的加密协议
             ssl_protocols TLSv1 TLSv1.1 TLSv1.2;
             ssl_prefer_server_ciphers on;
             location / {
                include uwsgi_params; # 导入一个Nginx模块他是用来和uWSGI进行通讯的
                uwsgi_connect_timeout 30; # 设置连接uWSGI超时时间
                uwsgi_pass unix:/www/speech/script/uwsgi.sock; # 指定uwsgi的sock文件所有动态请求就会直接丢给他
             }
             # 动静分离 Nginx 处理静态请求
             location /static {
                root /www/speech/;
             }
       }

项目源码

https://gitee.com/52itstyle/baidu-speech

▲长按图片识别语音播报

avatar
文章
阅读
粉丝