全流程演示通过百度AI实现语音识别——将文本转为语音（python实现）

全流程演示通过百度AI实现语音识别——将文本转为语音（python实现）

文章目录

• 全流程演示通过百度AI实现语音识别——将文本转为语音（python实现）
• • 一. 前置条件
  • 二. 获取资源
  • 三. 代码实现

本文详细地梳理及实现了如何通过使用百度AI平台，将输入的文本转换成语音。

一. 前置条件

我们需要使用百度旗下的百度AI开放平台，链接如下：

百度AI开放平台-全球领先的人工智能服务平台

二. 获取资源

1. 首先，我们需要进入百度AI平台，选择开放能力–>语音技术–>短语音识别。
   
   

2. 其次，获取资源。

• 如果是首次使用该平台，可以选择使用免费资源：

• 按下图所示进行操作，此处我是由于已经选过了所以显示的是已领。

3. 领取完成后点击应用列表–>点击创建项目。

• 应用名称随意，在接口选择中点击语音技术–>点击全选。

• 点击个人–>点击创建。（应用描述随意）

• 回到应用列表，若出现应用1，则第一步成功了。

三. 代码实现

1. 首先需要安装相应的python包(前提需要安装好了python或相应软件)，在命令提示符中运行以下代码：

   pip install baidu-aip 

2. 在python环境中：

   • 从AIP中导入相应的语音模块AipSpeech

     from aip import AipSpeech 

   • 复制粘贴APPID、AK、SK这3个值并以此初始化对象

     """你的APPID AK SK""" APP_ID='59391449' API_KEY='wmHNwxgshlfghleTdav0tmSH' SECRET_KEY='Z4q63PsTQ90T2SqNdfwjZLVdgD0RU3iu' # 使用上面定义的三个参数来初始化AipSpeech类的一个实例，命名为client。   # 这个实例将用于后续与百度AIP服务的交互。   client=AipSpeech (APP_ID, API_KEY, SECRET_KEY) 

     三个值的来源为刚刚创建的应用的对应数据，如图：

     

   • 准备文本及存放路径

     Text='八百标兵奔北坡，炮兵并排北边跑，炮兵怕把标兵碰，标兵怕碰炮兵炮。' # 文字部分可以随意拟定 filePath= "D:/PycharmProjects/Visual_project/text/voice/MyVoice.mp3 " #音频文件存放路径，替换为你自己的路径 

   • 语音合成

     # 调用client的synthesis方法来进行语音合成。参数包括要合成的文本、语言类型（这里是中文'zh'）、语音的音量（这里是5）等。 result=client.synthesis (Text,'zh',1, {'vol': 5})  print(result) # 方法的返回值将是一个二进制数据（如果合成成功）或一个字典（如果发生错误）。   

   • 识别并正确返回语音二进制代码,错误则返回dict（相应的错误码）

     if not isinstance (result, dict): 	# 如果结果不是字典（即没有错误），则打开指定的文件路径，并将合成的语音数据写入文件。       # 'wb'模式表示以二进制写模式打开文件。     with open (filePath,'wb')as f: # 以写的方式打开MyVoice.mp3文件         f.write(result) # 将result内容写入MyVoice.mp3文件 else:     print("错误") 

   • 此处附上完整代码：

     # 从aip模块中导入AipSpeech类，这是百度提供的一个用于语音处理的类。   from aip import AipSpeech      # 下面的三行代码定义了连接到百度AIP服务所需的三个关键参数：APP_ID、API_KEY和SECRET_KEY。   # 这些参数是用于身份验证的，确保只有授权的用户才能访问服务。   APP_ID='59391349'   API_KEY='wmHNwxgshltNhleTdav0tmSH'   SECRET_KEY='Z4q63PsTQ90T2SqNrxwjZLVdgD0RU3iu'      # 使用上面定义的三个参数来初始化AipSpeech类的一个实例，命名为client。   # 这个实例将用于后续与百度AIP服务的交互。   client=AipSpeech(APP_ID, API_KEY, SECRET_KEY)      # 定义要合成为语音的文本内容。这里是一段中文绕口令。   Text='八百标兵奔北坡，炮兵并排北边跑，炮兵怕把标兵碰，标兵怕碰炮兵炮。'      # 定义合成后的语音文件将要保存的路径和文件名。   filePath= "D:/PycharmProjects/Visual_project/text/voice/MyVoice.mp3 "      # 调用client的synthesis方法来进行语音合成。参数包括要合成的文本、语言类型（这里是中文'zh'）、语音的音量（这里是5）等。  # 方法的返回值将是一个二进制数据（如果合成成功）或一个字典（如果发生错误）。   result=client.synthesis(Text,'zh',1, {'vol': 5})      # 打印出合成操作的结果，这可能是二进制数据或一个错误字典。   print(result)      # 下面的代码块检查返回的结果是否是一个字典。如果是字典，那么很可能是一个错误信息。   # 如果不是字典，那么结果应该是包含合成语音的二进制数据。   if not isinstance(result, dict):       # 如果结果不是字典（即没有错误），则打开指定的文件路径，并将合成的语音数据写入文件。       # 'wb'模式表示以二进制写模式打开文件。       with open(filePath,'wb') as f:           f.write(result)  # 将语音数据写入文件。   else:       # 如果结果是字典，那么打印“错误”，表示语音合成过程中可能出现了问题。       print("错误") 

   3.在完成以上步骤后，你就可也在设定的路径里找到MyVoice.mp3这个文件，如图：

   

​ 该文件便是最终成果。