目标

跑一个tts的人任务，利用现在的大厂的api服务

主要是集成代码，也很简单

本质上这个和ai无关，就是一个集成的工作

之前的工作同步笔记

今天要说的也就是第三点的内容

1. 跑tts模型-tacotron2的训练（以后用来重新收集人声素材训练）
问题1：显卡的硬件环境：ncvv --version ，CUDA.11.1，支持2080Ti
问题2：电脑的软件环境，还卡着，没有跑起来（python版本，conda版本，项目依赖包指定版本对应的python不明确，导致一些包装不上）

2. 实现现成模型的推理服务（1的产出也是模型，本地服务）
模型以包形式存在的，比如，from gtts import gTTS（简陋模型）
模型以文件形式存在的，比如，model.load_state_dict(torch.load('xxxx.pt'))

3. 调用在线的tts服务
我调研了微软、序列猴子、百度、科大讯飞等多家，选择非默认的配音人，听感还是舒服不少的，且收费也不是很贵（默认的2分/万字，有配音员的是2元/万字），有API接入很方便（已实现序列猴子/百度/科大讯飞)。

操作

所有的操作都类似

• 找大厂的ai服务
• 申请额度，获取apikey
• 找api sdk集成的demo
• 下载后配置apikey，跑起来
• 集成到我们自己的业务中去

代码

下面这个是序列猴子的

import time
import hashlib
import os
import json
import requests

timestamp = str(int(time.time()))
appkey = ''
secret = ''

message = '+'.join([appkey, secret, timestamp])

m = hashlib.md5()
m.update(message.encode("utf8"))
signature = m.hexdigest()

http_url = 'https://open.mobvoi.com/api/tts/v1'

def sample():
    data = {
        'text': "虎扑11月24日讯，雄鹿球员阿德托昆博在接受采访时，谈到了明年的目标。阿德托昆博说道：希望我们能够夺得总冠军。在那之后，尝试得到奥运会的入场券，因为我们还没有获得参赛资格。如果这一切都按顺序发生了，（如果）我们晋级奥运会了，我会非常激动地在那里（出战奥运会）。",
        'speaker': 'manchaozn_meet_24k@xili',
        'audio_type': 'mp3',
        'speed': 1.0,
        #'symbol_sil': 'semi_250,exclamation_300,question_250,comma_200,stop_300,pause_150,colon_200', # 停顿调节需要对appkey授权后才可以使用，授权前传参无效。
        #'ignore_limit': True, # 忽略1000字符长度限制，需要对appkey授权后才可以使用
        'gen_srt': False, # 是否生成srt字幕文件，默认不开启。如果开启生成字幕，需要额外计费。生成好的srt文件地址将通过response header中的srt_address字段返回。
        'appkey': appkey,
        'timestamp': timestamp,
        'signature': signature
    }
    try:
        headers = {'Content-Type': 'application/json'}
        response = requests.post(url=http_url, headers=headers, data=json.dumps(data))
        content = response.content

        with open(os.path.join(os.path.dirname(os.path.abspath("__file__")), "monkey-manchaozn_meet_24k@xili.mp3"), "wb") as f:
            f.write(content)
    except Exception as e:
        print("error: {0}".format(e))

def sampleWithSrt():
    data = {
        'text': '出门问问成立于2012年，是一家以语音交互和软硬结合为核心的人工智能公司，为全球40多个国家和地区的消费者、企业提供人工智能产品和服务。',
        'speaker': 'xiaoyi_meet',
        'audio_type': 'wav',
        'speed': 1.0,
        #'symbol_sil': 'semi_250,exclamation_300,question_250,comma_200,stop_300,pause_150,colon_200', # 停顿调节需要对appkey授权后才可以使用，授权前传参无效。
        #'ignore_limit': True, # 忽略1000字符长度限制，需要对appkey授权后才可以使用
        'gen_srt': True, # 是否生成srt字幕文件，默认不开启。如果开启生成字幕，需要额外计费。生成好的srt文件地址将通过response header中的srt_address字段返回。
        'appkey': appkey,
        'timestamp': timestamp,
        'signature': signature
    }
    try:
        headers = {'Content-Type': 'application/json'}
        print(json.dumps(data))
        response = requests.post(url=http_url, headers=headers, data=json.dumps(data))
        content = response.content

        with open(os.path.join(os.path.dirname(os.path.abspath("__file__")), "sample.mp3"), "wb") as f:
            f.write(content)

        srtUrl = response.headers.get('srt_address', None)
        if srtUrl is None:
            print('not found srt url from response header')
            return

        print('srt url:', srtUrl)
        content = requests.get(url=srtUrl).content
        with open(os.path.join(os.path.dirname(os.path.abspath("__file__")), "sample.srt"), "wb") as f:
            f.write(content)

    except Exception as e:
        print("error: {0}".format(e))

def sampleWithSsml():
    data = {
        'text': '<speak version="1.0" xml:lang="zh-CN" xmlns="http://www.w3.org/2001/10/synthesis">9月10日，庆祝2019年<w phoneme="jiao4 shi1 jie2">教师节</w>暨全国教育系统先进集体和先进个人表彰大会在京举行。<break time="500ms" />习近平总书记在人民大会堂亲切会见受表彰代表，<break time="500ms" />向受到表彰的先进集体和先进个人表示热烈祝贺，<break time="500ms" />向全国广大<p phoneme="jiao4">教</p>师和教育工作者致以节日的问候。</speak>',
        'speaker': 'xiaoyi_meet',
        'audio_type': 'wav',
        'speed': 1.0,
        #'symbol_sil': 'semi_250,exclamation_300,question_250,comma_200,stop_300,pause_150,colon_200', # 停顿调节需要对appkey授权后才可以使用，授权前传参无效。
        #'ignore_limit': True, # 忽略1000字符长度限制，需要对appkey授权后才可以使用
        'gen_srt': True, # 是否生成srt字幕文件，默认不开启。如果开启生成字幕，需要额外计费。生成好的srt文件地址将通过response header中的srt_address字段返回。
        'appkey': appkey,
        'timestamp': timestamp,
        'signature': signature
    }
    try:
        headers = {'Content-Type': 'application/json'}
        print(json.dumps(data))
        response = requests.post(url=http_url, headers=headers, data=json.dumps(data))
        content = response.content

        with open(os.path.join(os.path.dirname(os.path.abspath("__file__")), "ssmlSample.mp3"), "wb") as f:
            f.write(content)

    except Exception as e:
        print("error: {0}".format(e))

def main():
    sample()
    # sampleWithSrt()
    # sampleWithSsml()

if __name__ == '__main__':
    main()