百度语音合成api/sdk及demo

Posted 2022-01-03 kakawith

1、流程

　　1）换取token

　　　　用Api Key 和 SecretKey。访问https://openapi.baidu.com/oauth/2.0/token 换取 token　　　

// appKey = Va5yQRHl********LT0vuXV4
// appSecret = 0rDSjzQ20XUj5i********PQSzr5pVw2

https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id=Va5yQRHl********LT0vuXV4&client_secret=0rDSjzQ20XUj5i********PQSzr5pVw2

　　返回

    "access_token": "1.a6b7dbd428f731035f771b8d********.86400.1292922000-2346678-124328",
    "expires_in": 2592000,
    "refresh_token": "2.385d55f8615fdfd9edb7c4b********.604800.1293440400-2346678-124328",
    "scope": "public audio_tts_post ...",
    "session_key": "ANXxSNjwQDugf8615Onqeik********CdlLxn",
    "session_secret": "248APxvxjCZ0VEC********aK4oZExMB",

scope中含有audio_tts_post 表示有语音合成能力，没有该audio_tts_post 的token调用接口会返回502错误。 在结果中可以看见 token = 1.a6b7dbd428f731035f771b8d********.86400.1292922000-2346678-124328，在2592000秒（30天）后过期

　　2）访问合成接口

#从上文中我们获取的token是 1.a6b7dbd428f731035f771b8d********.86400.1292922000-2346678-124328
http://tsn.baidu.com/text2audio?lan=zh&ctp=1&cuid=abcdxxx&tok=1.a6b7dbd428f731035f771b8d****.86400.1292922000-2346678-124328&tex=%e7%99%be%e5%ba%a6%e4%bd%a0%e5%a5%bd&vol=9&per=0&spd=5&pit=5&aue=3
// 这是一个正常MP3的下载url
// tex在实际开发过程中请urlencode2次
"""

tex	必填	合成的文本，使用UTF-8编码。小于2048个中文字或者英文数字。（文本在百度服务器内转换为GBK后，长度必须小于4096字节）
tok	必填	开放平台获取到的开发者access_token（见上面的“鉴权认证机制”段落）
cuid	必填	用户唯一标识，用来计算UV值。建议填写能区分用户的机器 MAC 地址或 IMEI 码，长度为60字符以内
ctp	必填	客户端类型选择，web端填写固定值1
lan	必填	固定值zh。语言选择,目前只有中英文混合模式，填写固定值zh
spd	选填	语速，取值0-15，默认为5中语速
pit	选填	音调，取值0-15，默认为5中语调
vol	选填	音量，取值0-15，默认为5中音量
per	选填	发音人选择, 0为普通女声，1为普通男生，3为情感合成-度逍遥，4为情感合成-度丫丫，默认为普通女声
aue	选填	3为mp3格式(默认)； 4为pcm-16k；5为pcm-8k；6为wav（内容同pcm-16k）; 注意aue=4或者6是语音识别要求的格式，但是音频内容不是语音识别要求的自然人发音，所以识别效果会受影

• aue =3 ，返回为二进制mp3文件，具体header信息 Content-Type: audio/mp3；
• aue =4 ，返回为二进制pcm文件，具体header信息 Content-Type:audio/basic;codec=pcm;rate=16000;channel=1
• aue =5 ，返回为二进制pcm文件，具体header信息 Content-Type:audio/basic;codec=pcm;rate=8000;channel=1
• aue =6 ，返回为二进制wav文件，具体header信息 Content-Type: audio/wav；

 

 """

2、api 代码demo

# coding=utf-8
import sys
import json

IS_PY3 = sys.version_info.major == 3
if IS_PY3:
    from urllib.request import urlopen
    from urllib.request import Request
    from urllib.error import URLError
    from urllib.parse import urlencode
    from urllib.parse import quote_plus
else:
    import urllib2
    from urllib import quote_plus
    from urllib2 import urlopen
    from urllib2 import Request
    from urllib2 import URLError
    from urllib import urlencode

API_KEY = ‘4E1BG9lTnlSeIf1NQFlrSq6h‘
SECRET_KEY = ‘544ca4657ba8002e3dea3ac2f5fdd241‘

TEXT = "欢迎使用百度语音合成。"

# 发音人选择, 0为普通女声，1为普通男生，3为情感合成-度逍遥，4为情感合成-度丫丫，默认为普通女声
PER = 4
# 语速，取值0-15，默认为5中语速
SPD = 5
# 音调，取值0-15，默认为5中语调
PIT = 5
# 音量，取值0-9，默认为5中音量
VOL = 5
# 下载的文件格式, 3：mp3(default) 4： pcm-16k 5： pcm-8k 6. wav
AUE = 3

FORMATS = 3: "mp3", 4: "pcm", 5: "pcm", 6: "wav"
FORMAT = FORMATS[AUE]

CUID = "123456PYTHON"

TTS_URL = ‘http://tsn.baidu.com/text2audio‘


class DemoError(Exception):
    pass


"""  TOKEN start """

TOKEN_URL = ‘http://openapi.baidu.com/oauth/2.0/token‘
SCOPE = ‘audio_tts_post‘  # 有此scope表示有tts能力，没有请在网页里勾选


def fetch_token():
    print("fetch token begin")
    params = ‘grant_type‘: ‘client_credentials‘,
              ‘client_id‘: API_KEY,
              ‘client_secret‘: SECRET_KEY
    post_data = urlencode(params)
    if (IS_PY3):
        post_data = post_data.encode(‘utf-8‘)
    req = Request(TOKEN_URL, post_data)
    try:
        f = urlopen(req, timeout=5)
        result_str = f.read()
    except URLError as err:
        print(‘token http response http code : ‘ + str(err.code))
        result_str = err.read()
    if (IS_PY3):
        result_str = result_str.decode()

    print(result_str)
    result = json.loads(result_str)
    print(result)
    if (‘access_token‘ in result.keys() and ‘scope‘ in result.keys()):
        if not SCOPE in result[‘scope‘].split(‘ ‘):
            raise DemoError(‘scope is not correct‘)
        print(‘SUCCESS WITH TOKEN: %s ; EXPIRES IN SECONDS: %s‘ % (result[‘access_token‘], result[‘expires_in‘]))
        return result[‘access_token‘]
    else:
        raise DemoError(‘MAYBE API_KEY or SECRET_KEY not correct: access_token or scope not found in token response‘)


"""  TOKEN end """

if __name__ == ‘__main__‘:
    token = fetch_token()
    tex = quote_plus(TEXT)  # 此处TEXT需要两次urlencode
    print(tex)
    params = ‘tok‘: token, ‘tex‘: tex, ‘per‘: PER, ‘spd‘: SPD, ‘pit‘: PIT, ‘vol‘: VOL, ‘aue‘: AUE, ‘cuid‘: CUID,
              ‘lan‘: ‘zh‘, ‘ctp‘: 1  # lan ctp 固定参数

    data = urlencode(params)
    print(‘test on Web Browser‘ + TTS_URL + ‘?‘ + data)

    req = Request(TTS_URL, data.encode(‘utf-8‘))
    has_error = False
    try:
        f = urlopen(req)
        result_str = f.read()

        headers = dict((name.lower(), value) for name, value in f.headers.items())

        has_error = (‘content-type‘ not in headers.keys() or headers[‘content-type‘].find(‘audio/‘) < 0)
    except  URLError as err:
        print(‘asr http response http code : ‘ + str(err.code))
        result_str = err.read()
        has_error = True

    save_file = "error.txt" if has_error else ‘result.‘ + FORMAT
    with open(save_file, ‘wb‘) as of:
        of.write(result_str)

    if has_error:
        if (IS_PY3):
            result_str = str(result_str, ‘utf-8‘)
        print("tts api  error:" + result_str)

    print("result saved as :" + save_file)

 

3、sdk下载

pip install baidu-aip

5、sdk demo代码

# coding=utf-8
from aip import AipSpeech

API_KEY = ‘DHEl3FqU9oxxx‘ # 替换成你的api_key 在创建的应用中查找
SECRET_KEY = ‘ZWGxEZjxxxxIMx7BeGnoW83u‘ # 替换成你的secret_key 在创建的应用中查找
APP_ID = ‘1xx3x3‘ # 替换成你的app_id
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
result = client.synthesis(u‘baidu是一家科技公司‘, ‘zh‘, 1, 
    ‘vol‘: 5, ‘per‘: 5, ‘spd‘: 4
)
# vol 控制音量 per 控制男女声 spd 控制速度
if not isinstance(result, dict):
    with open(‘auido.mp3‘, ‘wb‘) as f:
        f.write(result)