Python调用科大讯飞语音合成离线SDK

科大讯飞语音合成技术

科大讯飞语音合成技术在国内是领先的，如果单纯想要Python语言对其进行编写，是不支持的。故我们可以采用对其离线C++语言的SDK进行调用，从而达到我们实现语音合成的目的。

代码展示

代码调用逻辑如下图所示

代码如下：

import ctypesimport waveimport timefrom ctypes import cdll, c_int, byref, string_atframe_rate = 8000 # 频率MSP_SUCCESS = 0 # 成功标识MSP_TTS_FLAG_STILL_HAVE_DATA = 1MSP_TTS_FLAG_DATA_END = 2 # 结束标识MSP_TTS_FLAG_CMD_CANCELED = 4"""LoadLibrary： 将指定的模块加载到调用进程的地址空间中（C++）MSPLogin： 初始化msc，用户登录QTTSSessionBegin： 开始一次语音合成，分配语音合成资源QTTSTextPut： 写入要合成的文本QTTSAudioGet： 获取合成音频QTTSSessionEnd： 结束本次语音合成MSPLogout: 退出登录"""# 登入科大讯飞离线语音合成SDKdef login(login_dll,login_params):dll=login_dllparams=login_params# ret为0时，则登入成功ret=dll.MSPLogin(None, None, params)if ret!=MSP_SUCCESS:print("登入失败")print(ret)else:print("登入成功")# 开始一次语音合成，分配语音合成资源def QTTS_Session_Begin(login_dll,session_begin_params):dll=login_dll# 将session_begin_params以指定的编码格式编码字符串，格式为utf-8session_begin_params_bytes = bytes(session_begin_params, 'UTF-8')# python中c语音int型error_code = c_int()# python中c语音char型dll.QTTSSessionBegin.restype = ctypes.c_char_psessionID = dll.QTTSSessionBegin(session_begin_params_bytes, byref(error_code))if error_code.value!=0 :print(f'调用失败，错误码 {error_code.value}')else:print("调用成功")return sessionID# 写入要合成的文本def QTTS_Text_PUT(login_dll,session_ID,text):dll = login_dll# 将text以指定的编码格式编码字符串，格式为utf-8text = text.encode('UTF-8')ret = dll.QTTSTextPut(session_ID, text, len(text), None)if ret!=MSP_SUCCESS:print("文本写入失败")else:print("文本写入成功")# 获取合成音频def QTTS_Audio_Get(login_dll,session_ID,wavFile):audio_len, synth_status, getret = c_int(), c_int(), c_int()dll = login_dlldll.QTTSAudioGet.restype = ctypes.c_void_ppdata = bytes()while True:pdata = dll.QTTSAudioGet(session_ID, byref(audio_len),byref(synth_status), byref(getret))# print(getret.value)# print(synth_status.value)if getret.value != MSP_SUCCESS:breakif pdata:data = string_at(pdata, audio_len.value)# 将wav_data转换为二进制数据写入文件wavFile.writeframes(data)if synth_status.value == MSP_TTS_FLAG_DATA_END:breaktime.sleep(0.1) # 这里为官方建议，可以去除不使用，避免转换时间过长wavFile.close()#结束本次语音合成def QTTS_Session_End(login_dll,session_ID):dll = login_dlldll.QTTSSessionEnd(session_ID, "Normal")dll.MSPLogout()if __name__=='__main__':# 调用科大讯飞离线SDKlogin_dll=cdll.LoadLibrary(r"D:\opencv\test_yuyin\Windows_aisound_exp1226_6e05e282\bin\msc_x64.dll")# 账号登入login_params = b"appid = 6e05e282, work_dir = ."# 参数填写，实际参数去以下官网#https: // / doc / mscapi / Windows & Linux / wlapi.html # qtts-h-%E8%AF%AD%E9%9F%B3%E5%90%88%E6%88%90session_begin_params = "engine_type=local, voice_name=xiaoyan, text_encoding=utf8, tts_res_path=fo|D:\\opencv\\test_yuyin\\Windows_aisound_exp1226_6e05e282\\bin\\msc\\res\\tts\\xiaoyan.jet;fo|D:\\opencv\\test_yuyin\\Windows_aisound_exp1226_6e05e282\\bin\\msc\\res\\tts\\common.jet, sample_rate=8000, speed=50, volume=80, pitch=50, rdn=2, effect=0, speed_increase=1, rcn=1"# 文本输入text=("终于调用成功了")login(login_dll, login_params)session_ID=QTTS_Session_Begin(login_dll, session_begin_params)QTTS_Text_PUT(login_dll, session_ID, text)# 1、打开WAV文档wavFile = wave.open(r"yuyin_Y.wav", "wb")# 2、配置声道数、量化位数和取样频率wavFile.setnchannels(1)wavFile.setsampwidth(2)wavFile.setframerate(frame_rate)QTTS_Audio_Get(login_dll,session_ID,wavFile)QTTS_Session_End(login_dll, session_ID)

总结

编写该代码进行动态链接库调用时，需注意不同的编程语言之间存在数据格式差异，在Python中需调用ctypes模块来完成数据格式转换。ctypes模块官网有对该模块进行详细介绍。