来源：so.csdn.net
发布时间：Dec 7, 2020, 4:22:11 PM
原地址：https://blog.csdn.net/qq_43362426/article/details/110846134
由于是实验做的，且有点赶，也就没有怎么整理和疏通，只要能运行就行了。所以仅供借鉴，问题肯定很多，在这只是记录一下所学。
前提
首先你需要注册科大讯飞AI开放平台的账号，领取新用户免费额度（这里是文本转语音次数额度）。然后控制台创建一个应用，应用里开通文本转语音。
另外安装 pyqt5，这是我用的应用界面的模块，安装教程自行百度，这里不再说明。
源码
由于程序挺简单，加上界面丑陋，啊hhhhh。所以就直接给可运行源码了。
# ##***文本转语音***## #
# -*- coding:utf-8 -*-
#
# author: iflytek
#
# 本demo测试时运行的环境为：Windows + Python3.7
# 本demo测试成功运行时所安装的第三方库及其版本如下：
# cffi==1.12.3
# gevent==1.4.0
# greenlet==0.4.15
# pycparser==2.19
# six==1.12.0
# websocket==0.2.1
# websocket-client==0.56.0
# 合成小语种需要传输小语种文本、使用小语种发音人vcn、tte=unicode以及修改文本编码方式
# 错误码链接：https://www.xfyun.cn/document/error-code （code返回错误码时必看）
# # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # #
import websocket
import datetime
import hashlib
import base64
import hmac
import json
from urllib.parse import urlencode
import time
import ssl
from wsgiref.handlers import format_date_time
from datetime import datetime
from time import mktime
import _thread as thread
import os
import numpy as np
import sys
import wave
STATUS_FIRST_FRAME = 0 # 第一帧的标识
STATUS_CONTINUE_FRAME = 1 # 中间帧标识
STATUS_LAST_FRAME = 2 # 最后一帧的标识
class Ws_Param(object):
# 初始化
def __init__(self, APPID, APIKey, APISecret, Text):
self.APPID = APPID
self.APIKey = APIKey
self.APISecret = APISecret
self.Text = Text
# 公共参数(common)
self.CommonArgs = {
"app_id": self.APPID}
# 业务参数(business)，更多个性化参数可在官网查看
self.BusinessArgs = {
"aue": "raw", "auf": "audio/L16;rate=16000", "vcn": "xiaoyan", "tte": "utf8","speed":20}
self.Data = {
"status": 2, "text": str(base64.b64encode(self.Text.encode('utf-8')), "UTF8")}
#使用小语种须使用以下方式，此处的unicode指的是 utf16小端的编码方式，即"UTF-16LE"”
#self.Data = {"status": 2, "text": str(base64.b64encode(self.Text.encode('utf-16')), "UTF8")}
# 生成url
def create_url(self):
url = 'wss://tts-api.xfyun.cn/v2/tts'
# 生成RFC1123格式的时间戳
now = datetime.now()
date = format_date_time(mktime(now.timetuple()))
# 拼接字符串
signature_origin = "host: " + "ws-api.xfyun.cn" + "\n"
signature_origin += "date: " + date + "\n"
signature_origin += "GET " + "/v2/tts " + "HTTP/1.1"
# 进行hmac-sha256进行加密
signature_sha = hmac.new(self.APISecret.encode('utf-8'), signature_origin.encode('utf-8'),
digestmod=hashlib.sha256).digest()
signature_sha = base64.b64encode(signature_sha).decode(encoding='utf-8')
authorization_origin = "api_key=\"%s\", algorithm=\"%s\", headers=\"%s\", signature=\"%s\"" % (
self.APIKey, "hmac-sha256", "host date request-line", signature_sha)
authorization = base64.b64encode(authorization_origin.encode('utf-8')).decode(encoding='utf-8')
# 将请求的鉴权参数组合为字典
v = {
"authorization": authorization,
"date": date,
"host": "ws-api.xfyun.cn"
}
# 拼接鉴权参数，生成url
url = url + '?' + urlencode(v)
# print("date: ",date)
# print("v: ",v)
# 此处打印出建立连接时候的url,参考本demo的时候可取消上方打印的注释，比对相同参数时生成的url与自己代码生成的url是否一致
# print('websocket url :', url)
return url
def on_message(ws, message):
try:
message =json.loads(message)
code = message["code"]
sid = message["sid"]
audio = message["data"]["audio"]
audio = base64.b64decode(audio)
status = message["data"]["status"]
print(message)
if status == 2:
print("ws is closed")
ws.close()
# pcm2wav(r"./demo.pcm",r"./demo.wav")
if code != 0:
errMsg = message["message"]
print("sid:%s call error:%s code is:%s" % (sid, errMsg, code))
else:
with open('./demo.pcm', 'ab') as f:
f.write(audio)
pcm2wav('./demo.pcm','./demo.wav')
except Exception as e:
print("receive msg,but parse exception:", e)
# 收到websocket错误的处理
def on_error(ws, error):
print("### error:", error)
# 收到websocket关闭的处理
def on_close(ws):
print("### closed ###")
# 收到websocket连接建立的处理
def on_open(ws):
def run(*args):
d = {
"common": wsParam.CommonArgs,
"business": wsParam.BusinessArgs,
"data": wsParam.Data,
}
d = json.dumps(d)
print(r"------>begin send")
ws.send(d)
if os.path.exists('./demo.pcm'):
os.remove('./demo.pcm')
thread.start_new_thread(run, ())
def wav2pcm(wavfile, pcmfile, data_type=np.int16):
f = open(wavfile, "rb")
f.seek(0)
f.read(44)
data = np.fromfile(f, dtype= data_type)
data.tofile(pcmfile)
def pcm2wav(pcm_file, wav_file, channels=1, bits=16, sample_rate=16000):
pcmf = open(pcm_file, 'rb')
pcmdata = pcmf.read()
pcmf.close()
if bits % 8 != 0:
raise ValueError("bits % 8 must == 0. now bits:" + str(bits))
wavfile = wave.open(wav_file, 'wb')
wavfile.setnchannels(channels)
wavfile.setsampwidth(bits // 8)
wavfile.setframerate(sample_rate)
wavfile.writeframes(pcmdata)
wavfile.close()
import sys
from PyQt5.QtWidgets import (QWidget, QToolTip, QDesktopWidget, QMessageBox,QTextEdit,QLabel,
QPushButton, QApplication,QMainWindow, QAction, qApp, QHBoxLayout, QVBoxLayout,QGridLayout,
QLineEdit)
from PyQt5.QtGui import QFont,QIcon
from PyQt5.QtCore import QCoreApplication
# ##***pcm转换***## #
import wave
def pcm2wav(pcm_file, wav_file, channels=1, bits=16, sample_rate=16000):
pcmf = open(pcm_file, 'rb')
pcmdata = pcmf.read()
pcmf.close()
if bits % 8 != 0:
raise ValueError("bits % 8 must == 0. now bits:" + str(bits))
wavfile = wave.open(wav_file, 'wb')
wavfile.setnchannels(channels)
wavfile.setsampwidth(bits // 8)
wavfile.setframerate(sample_rate)
wavfile.writeframes(pcmdata)
wavfile.close()
# ##***应用图标***## #
class App(QWidget):
def __init__(self):
super().__init__()
self.initUI()
def initUI(self):
APPID = QLabel('APPID')
APISecret = QLabel('APISecret')
APIKey = QLabel('APIKey')
review = QLabel('Review')
self.APPIDEdit = QTextEdit()
self.APISecretEdit = QTextEdit()
self.APIKeyEdit = QTextEdit()
self.reviewEdit = QTextEdit()
grid = QGridLayout()
grid.setSpacing(5) # 创建了一个网格布局并且设置了组件之间的间距。
grid.addWidget(APPID, 1, 0)
grid.addWidget(self.APPIDEdit, 1, 1,3,1)
grid.addWidget(APISecret, 2, 0)
grid.addWidget(self.APISecretEdit, 2, 1,3,1)
grid.addWidget(APIKey, 3, 0)
grid.addWidget(self.APIKeyEdit, 3, 1,3,1)
grid.addWidget(review, 4, 0)
grid.addWidget(self.reviewEdit, 4, 1, 5, 1) # 如果我们向网格布局中增加一个组件，我们可以提供组件的跨行
# 和跨列参数。在这个例子中，我们让reviewEdit组件跨了5行。
self.setLayout(grid)
QToolTip.setFont(QFont('SansSerif', 10)) # 这个静态方法设置了用于提示框的字体。
trans1 = QPushButton('文字转换语音pcm', self) # 创建按钮
trans1.setToolTip('<b>文字转语音，文件会保存在软件当前目录下demo.pcm</b>') # 设置按钮提示框
trans1.resize(trans1.sizeHint()) # 改变按钮大小
trans1.move(350, 450) # 移动按钮位置
trans2 = QPushButton('pcm转换wav', self) # 创建按钮
trans2.setToolTip('<b>将当前目录下demo.pcm转换为demo.wav</b>') # 设置按钮提示框
trans2.resize(trans2.sizeHint()) # 改变按钮大小
trans2.move(250, 450) # 移动按钮位置
trans1.clicked.connect(self.buttonClicked)
trans2.clicked.connect(self.buttonClicked)
qbtn = QPushButton('Quit', self) # 创建了一个按钮。按钮是一个QPushButton类的实例。
# 构造方法的第一个参数是显示在button上的标签文本。第二个参数是父组件。
# 父组件是Example组件，它继承了QWiget类。
qbtn.clicked.connect(QCoreApplication.instance().quit)
qbtn.resize(qbtn.sizeHint())
qbtn.move(500, 50)
self.resize(500, 500)
self.center()
self.setWindowTitle('TTS_WS') # 创建一个窗口标题
self.setWindowIcon(QIcon('./TTS.jfif')) # 创建一个QIcon对象并接收一个我们要显示的图片路径作为参数。
self.show()
def buttonClicked(self):
sender = self.sender()
print("sendr:"+sender.text())
if(sender.text()=="文字转换语音pcm"):
print("trans1:")
print(self.reviewEdit.toPlainText())
global wsParam
# wsParam.Text = self.reviewEdit.toPlainText()
# wsParam.APPID = self.APPIDEdit.toPlainText()
# wsParam.APISecret = self.APISecretEdit.toPlainText()
# wsParam.APIKey = self.APIKeyEdit.toPlainText()
wsParam = Ws_Param(APPID=self.APPIDEdit.toPlainText(), APISecret=self.APISecretEdit.toPlainText()
,APIKey=self.APIKeyEdit.toPlainText(),Text=self.reviewEdit.toPlainText())
print(wsParam.APPID)
print(wsParam.APISecret)
print(wsParam.APIKey)
print(wsParam.Text)
websocket.enableTrace(False)
wsUrl = wsParam.create_url()
ws = websocket.WebSocketApp(wsUrl, on_message=on_message, on_error=on_error, on_close=on_close)
ws.on_open = on_open
ws.run_forever(sslopt={
"cert_reqs": ssl.CERT_NONE})
else:
print("trans2:")
pcm2wav('./demo.pcm','./demo.wav')
def closeEvent(self, event):
reply = QMessageBox.question(self, 'Message',
"Are you sure to quit?", QMessageBox.Yes |
QMessageBox.No, QMessageBox.No)
if reply == QMessageBox.Yes:
event.accept()
else:
event.ignore()
def center(self):
qr = self.frameGeometry() # 获得主窗口的一个矩形特定几何图形。这包含了窗口的框架。
cp = QDesktopWidget().availableGeometry().center() # 算出相对于显示器的绝对值。
# 并且从这个绝对值中，我们获得了屏幕中心点。
qr.moveCenter(cp) # 矩形已经设置好了它的宽和高。现在我们把矩形的中心设置到屏幕的中间去。
# 矩形的大小并不会改变。
self.move(qr.topLeft()) # 移动了应用窗口的左上方的点到qr矩形的左上方的点，因此居中显示在我们的屏幕上。
if __name__ == '__main__':
# wsParam = Ws_Param(APPID='', APISecret='',APIKey='',Text='')
wsParam = Ws_Param(APPID='', APISecret='',APIKey='',Text='')
app = QApplication(sys.argv)
ex = App()
sys.exit(app.exec_())
解释
文本转语音 部分，与官网给出的 python 接口调用demo 相差无几，但是由于接收到的是 pcm 文件，无法直接播放，所以增加了 pcm 转 wav 部分：
on_message 部分改动：
def on_message(ws, message):
try:
message =json.loads(message)
code = message["code"]
sid = message["sid"]
audio = message["data"]["audio"]
audio = base64.b64decode(audio)
status = message["data"]["status"]
print(message)
if status == 2:
print("ws is closed")
ws.close()
# pcm2wav(r"./demo.pcm",r"./demo.wav")
if code != 0:
errMsg = message["message"]
print("sid:%s call error:%s code is:%s" % (sid, errMsg, code))
else:
with open('./demo.pcm', 'ab') as f:
f.write(audio)
pcm2wav('./demo.pcm','./demo.wav') #增加改动
except Exception as e:
print("receive msg,but parse exception:", e)
pcm2wav 实现：
def pcm2wav(pcm_file, wav_file, channels=1, bits=16, sample_rate=16000):
pcmf = open(pcm_file, 'rb')
pcmdata = pcmf.read()
pcmf.close()
if bits % 8 != 0:
raise ValueError("bits % 8 must == 0. now bits:" + str(bits))
wavfile = wave.open(wav_file, 'wb')
wavfile.setnchannels(channels)
wavfile.setsampwidth(bits // 8)
wavfile.setframerate(sample_rate)
wavfile.writeframes(pcmdata)
wavfile.close()
然后就是 QT 部分：（里面多了个 pcm转wav 按钮，写多了，当时写懵了）
QT 部分源码就不贴了，上面有，大致流程就是 initUI 初始化界面组件，组件以一个纵向网络布局分布；然后四个 QTextEdit 组件，分别带 Lable，（三个都是写密钥的，一个写转换文本），之后是 QPushButton 按钮，通过 ${Button}.clicked.connect(self.buttonClicked) 触发，触发时通过识别 sender.text() ，也就是按钮名字，来区分按钮，调用函数。
缺陷
没有写报错机制，没有写接口调用过程的提示，同时肯定也有bug，这里就草草了事。
打包
这里打包用的是 pyinstaller，用 pip 可以直接安装
pyinstaller -F -w ./test.py
只用于记录一下，打过的代码，啊哈哈。有问题，欢迎一起讨论。