AI语音处理-文字合成语音功能

1. 前言

语音合成技术在生活中用越来越广泛，阅读听书、订单播报、智能硬件、语音导航 很多场景下都加入了语音播报功能。语音合成基于深度神经网络技术，提供高度拟人、流畅自然的语音合成服务，可以模拟出不同人的声音，让应用APP、设备开口说话，还能智能化训练个性语音。

这篇文章就介绍华为云提供的语音合成服务使用方法，利用提供的API接口完成语音合成功能，将合成的语音下载下来。

2. 开通功能

华为云的提供的语音合成，是一种将文本转换成逼真语音的服务。用户通过实时访问和调用API获取语音合成结果，将用户输入的文字合成为音频。通过音色选择、自定义音量、语速，为企业和个人提供个性化的发音服务。

2.1 语音交互服务

地址： https://console.huaweicloud.com/sis/?region=cn-north-4#/sis/stts

2.2 帮助文档

地址: https://support.huaweicloud.com/api-sis/sis_03_0111.html

（1）请求Header参数:

参数	是否必选	参数类型	描述
X-Auth-Token	是	String	用户Token。Token认证就是在调用API的时候将Token加到请求消息头，从而通过身份认证，获得操作API的权限，响应消息头中X-Subject-Token的值即为Token。

请求头里的X-Auth-Token字段在之前的文章已经介绍过，获取方法看这里： https://bbs.huaweicloud.com/blogs/317759 翻到2.3小节。

**

（2）请求Body参数:**

参数	是否必选	参数类型	描述
text	是	String	待合成的文本，文本长度限制小于500字符。
config	否	配置JSON	语音合成配置信息。

（3）TtsConfig的配置参数:

参数	是否必选	参数类型	描述
audio_format	否	String	语音格式头：wav、mp3、pcm默认：wav父节点：config
sample_rate	否	String	采样率：16000、8000默认：8000父节点：config
property	否	String	语音合成特征字符串，组成形式为{language} {speaker} {domain}，即“语种人员标识领域”。发音人分为普通发音人和精品发音人，每次调用价格相同，针对精品发音人，每50字计一次调用，不足50字按一次计；普通发音人每100字计一次调用，不足100字按一次计。其中1个汉字、1个英文字母或1个标点均算作1个字符。精品发音人：区域仅支持cn-north-4、cn-east-3，暂时不支持音高调节。使用精品发音人如果报错SIS.0411，请检查是否符合使用约束。默认：chinese_xiaoyan_common父节点：config
speed	否	Integer	语速。取值范围：-500~500默认值：0父节点：config**说明：**当取值为“0”时，表示一个成年人正常的语速，约为250字/分钟。设置该值时，语速和数值没有绝对的映射关系。
pitch	否	Integer	音高。取值范围： -500~500默认值：0父节点：config
volume	否	Integer	音量。取值范围：0~100默认值：50父节点：config

（4）普通发音人property取值范围:

property取值	描述
chinese_xiaoqi_common	小琪，标准女声发音人。
chinese_xiaoyu_common	小宇，标准男声发音人。
chinese_xiaoyan_common	小燕，温柔女声发音人。
chinese_xiaowang_common	小王，童声发音人。
chinese_xiaowen_common	小雯，柔美女声发音人。
chinese_xiaojing_common	小婧，俏皮女声发音人。
chinese_xiaosong_common	小宋，激昂男声发音人。
chinese_xiaoxia_common	小夏，热情女声发音人。
chinese_xiaodai_common	小呆，呆萌童声发音人。
chinese_xiaoqian_common	小倩，成熟女声发音人。
english_cameal_common	cameal，柔美女声英文发音人。

（5）精品发音人property取值范围：

property取值	描述
chinese_huaxiaoxia_common	华小夏，热情女声发音人。
chinese_huaxiaogang_common	华晓刚，利落男声发音人。
chinese_huaxiaolu_common	华小璐，知性女声发音人。
chinese_huaxiaoshu_common	华小舒，舒缓女声发音人。
chinese_huaxiaowei_common	华小唯，嗲柔女声发音人。
chinese_huaxiaoliang_common	华小靓，嘹亮女声发音人。
chinese_huaxiaodong_common	华晓东，成熟男声发音人。
chinese_huaxiaoyan_common	华小颜，严厉女声发音人。
chinese_huaxiaoxuan_common	华小萱，台湾女声发音人。
chinese_huaxiaowen_common	华小雯，柔美女声发音人。
chinese_huaxiaoyang_common	华晓阳，朝气男声发音人。
chinese_huaxiaomin_common	华小闽，闽南女声发音人。
chinese_huanvxia_literature	华女侠，武侠女生发音人，只支持16k的采样率。
chinese_huaxiaoxuan_literature	华晓悬，悬疑男声发音人，只支持16k的采样率。
chinese_huaxiaomei_common	华小美，温柔女声发音人。

（6）响应的Body参数

状态码： 200

参数	是否必选	参数类型	描述
trace_id	否	String	服务内部的令牌，可用于在日志中追溯具体流程。在某些错误情况下可能没有此令牌字符串。
result	否	object	调用成功表示识别结果，调用失败时无此字段。

（7）CustomResult参数

参数	是否必选	参数类型	描述
data	否	String	语音数据，以Base64编码格式返回。用户如需生成音频，需要将Base64编码解码成byte数组，再保存为音频，音频格式同**“audio_format”**参数设置的值，默认为wav格式。

2.3 在线调试接口

通过在线调试接口，可以快速调试接口参数，请求方式，返回结果等信息。

地址： https://apiexplorer.developer.huaweicloud.com/apiexplorer/debug?product=SIS&api=RunTts

还可以在线填入测试参数，进行测试效果。

2.4 请求接口总结

请求地址格式: POST /v1/{project_id}/tts
 ​
 ​
 完整请求地址:
 https://sis-ext.cn-north-4.myhuaweicloud.com/v1/0e5957be8a00f53c2fa7c0045e4d8fbf/tts
 ​
 请求体:
 {
  "text": "请注意坐姿",
  "config": {
   "audio_format": "wav",
   "sample_rate": "16000",
   "property": "chinese_xiaoqi_common",
   "speed": 0,
   "pitch": 0,
   "volume": 0
  }
 }
 ​
 ​
 请求头:
 {
  "X-Auth-Token": "******",
  "Content-Type": "application/json;charset=UTF-8"
 }
 ​
 响应体:
 {"result":{"data":xxxxxxxx"}}
 ​
 这个xxxx就是返回的Base64编码语音数据，可以解码后保存成文件即可。

3. 实现源码

软件采用QT设计的，核心部分主要是用到了HTTP请求相关的操作。

3.1 文字转语音源码

//文本转语音
 void Widget::TextToAudio(QString text)
 {
     function_select=1;
     QString requestUrl;
     QNetworkRequest request;
 ​
     //设置请求地址
     QUrl url;
 ​
     //请求地址
     requestUrl = QString("https://sis-ext.%1.myhuaweicloud.com/v1/%2/tts")
             .arg(SERVER_ID)
             .arg(PROJECT_ID);
 ​
     //设置数据提交格式
     request.setHeader(QNetworkRequest::ContentTypeHeader, QVariant("application/json"));
 ​
     //设置token
     request.setRawHeader("X-Auth-Token",Token);
 ​
     //构造请求
     url.setUrl(requestUrl);
     request.setUrl(url);
 ​
     QString post_param=QString
                ("{"
                 ""text": "%1","
                 ""config": {"
                  ""audio_format": "%2","
                  ""sample_rate": "%3","
                  ""property": "%4","
                  ""speed": %5,"
                  ""pitch": 0,"
                  ""volume": %6"
                 "}"
                "}").arg(text).arg(ui- >comboBox_formt- >currentText())
             .arg(ui- >comboBox_cai_yang_lv- >currentText())
             .arg(ui- >comboBox_fa_yin_ren- >currentText())
             .arg(ui- >spinBox_audio_speed- >value())
             .arg(ui- >spinBox_yin_liang- >value());
 ​
     //发送请求
     manager- >post(request, post_param.toUtf8());
 }
 ​
 ​
 //生成语音
 void Widget::on_pushButton_to_audio_clicked()
 {
     QString text=ui- >lineEdit- >text();
     if(text.isEmpty())
     {
         QMessageBox::information(this,"提示","请输入文本",
         QMessageBox::Ok,QMessageBox::Ok);
         return;
     }
     qDebug()< < "text:"<

3.2 获取token

/*
 功能: 获取token
 */
 void Widget::GetToken()
 {
     //表示获取token
     function_select=3;
 ​
     QString requestUrl;
     QNetworkRequest request;
 ​
     //设置请求地址
     QUrl url;
 ​
     //获取token请求地址
     requestUrl = QString("https://iam.%1.myhuaweicloud.com/v3/auth/tokens")
                  .arg(SERVER_ID);
 ​
     //自己创建的TCP服务器,测试用
     //requestUrl="http://10.0.0.6:8080";
 ​
     //设置数据提交格式
     request.setHeader(QNetworkRequest::ContentTypeHeader, QVariant("application/json;charset=UTF-8"));
 ​
     //构造请求
     url.setUrl(requestUrl);
 ​
     request.setUrl(url);
 ​
     QString text =QString("{"auth":{"identity":{"methods":["password"],"password":"
     "{"user":{"domain": {"
     ""name":"%1"},"name": "%2","password": "%3"}}},"
     ""scope":{"project":{"name":"%4"}}}}")
             .arg(MAIN_USER)
             .arg(IAM_USER)
             .arg(IAM_PASSWORD)
             .arg(SERVER_ID);
 ​
     //发送请求
     manager- >post(request, text.toUtf8());
 }
 ​

3.3 解析返回值

//解析反馈结果
 void Widget::replyFinished(QNetworkReply *reply)
 {
     QString displayInfo="";
 ​
     int statusCode = reply- >attribute(QNetworkRequest::HttpStatusCodeAttribute).toInt();
 ​
     //读取所有数据
     QByteArray replyData = reply- >readAll();
 ​
     qDebug()< < "状态码:"<