文本轉音頻（百度語音合成api）（python）（原創）

迄今為止，程序調用成功次數統計圖表（2019-05-20）

- - - - - - - - - - - 分割線 - - - - - - - - - - 

　　應之前的一家小學教育培訓機構的要求設計的一款 將文字轉音頻的程序。（注：后面應該是生成音頻才對，沒有改過來）

技術難點：

①語音合成，如果沒有現在這么多的雲服務-百度雲語音合成，我估計這個程序會費很大的功夫才能完成。

 

1，UI界面設計（精簡設計），使用tk框架

功能說明：
1，文本標記功能整合進程序中；
2，聯網的http API接口整合；
1，網絡檢查；
2，斷網異常檢測；
3，網絡傳數據、接數據；
3，文本轉語音的baidu-api接口整合
1，語速，取值0-9，默認為5中語速；
2，音調，取值0-9，默認為5中語調；
3，音量，取值0-15，默認為5中音量；
4，發音人選擇, 0為女聲，1為男聲，3為情感合成-度逍遙，4為情感合成-度丫丫，默認為普通女；
4，音頻保存自主設置；

注：其中的逗號、句號重復是甲方要求我實現的功能

 

2，文件詳情：

其中 Python35_64 為帶所需庫的python3.5 64位的文件，整個程序使用 雙擊啟動文本標記程序.bat 進行啟動

 

 

3，文字轉音頻使用百度雲的api接口實現：

def audio_out(string_,path,audio_set=None):
  #百度雲網絡網絡配置
  APP_ID = '14636839'
  API_KEY = 'u34cdKCsR61tzM0r20Qnp3YM'
  SECRET_KEY = 'Rehs5G02EqbrRDDgGdPY9NKY2ZlCX8Oq'
  client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
  if len(string_)>500:
    num=int(len(string_)/500)
    #第一段音頻
    result  = client.synthesis(string_[0:500], 'zh', 1, {'spd':audio_set[0],'pit':audio_set[1],'vol': audio_set[2],'per':audio_set[3]})
    open(path, 'wb').write(result)
    #中間段落的音頻
    for i in range(1,num):
      result  = client.synthesis(string_[i*500:(i+1)*500], 'zh', 1, {'spd':audio_set[0],'pit':audio_set[1],'vol': audio_set[2],'per':audio_set[3]})
      open(path, 'ab').write(result)
    #最后一段音頻
    result  = client.synthesis(string_[num*500:], 'zh', 1, {'spd':audio_set[0],'pit':audio_set[1],'vol': audio_set[2],'per':audio_set[3]})
    open(path, 'ab').write(result)
  else:
    result = client.synthesis(string_, 'zh', 1, {'spd':audio_set[0],'pit':audio_set[1],'vol': audio_set[2],'per':audio_set[3]})
    open(path, 'wb').write(result)

注：由於百度雲的語音合成api最大可以支持500個字符長度，這里使用提前截取的方法來進行連續上傳數據返回音頻，之后進行音頻數據的首尾相加。

4，完整的音頻處理文件

#文字轉音頻程序and聯合文字處理程序
# encoding:utf-8
# coding by Mufasa 2018.11.09

'''
功能說明：
1，文本標記功能整合進程序中；
2，聯網的http API接口整合；
  1，網絡檢查；
  2，斷網異常檢測；
  3，網絡傳數據、接數據；
3，文本轉語音的baidu-api接口整合
  1，語速，取值0-9，默認為5中語速；
  2，音調，取值0-9，默認為5中語調；
  3，音量，取值0-15，默認為5中音量；
  4，發音人選擇, 0為女聲，1為男聲，3為情感合成-度逍遙，4為情感合成-度丫丫，默認為普通女；
4，音頻保存自主設置；
'''


import os
import tkinter.filedialog
import shutil
import tkinter as tk
from aip import AipSpeech


def audio_out(string_,path,audio_set=None):
  #百度雲網絡網絡配置
  APP_ID = '14636839'
  API_KEY = 'u34cdKCsR61tzM0r20Qnp3YM'
  SECRET_KEY = 'Rehs5G02EqbrRDDgGdPY9NKY2ZlCX8Oq'
  client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
  if len(string_)>500:
    num=int(len(string_)/500)
    #第一段音頻
    result  = client.synthesis(string_[0:500], 'zh', 1, {'spd':audio_set[0],'pit':audio_set[1],'vol': audio_set[2],'per':audio_set[3]})
    open(path, 'wb').write(result)
    #中間段落的音頻
    for i in range(1,num):
      result  = client.synthesis(string_[i*500:(i+1)*500], 'zh', 1, {'spd':audio_set[0],'pit':audio_set[1],'vol': audio_set[2],'per':audio_set[3]})
      open(path, 'ab').write(result)
    #最后一段音頻
    result  = client.synthesis(string_[num*500:], 'zh', 1, {'spd':audio_set[0],'pit':audio_set[1],'vol': audio_set[2],'per':audio_set[3]})
    open(path, 'ab').write(result)
  else:
    result = client.synthesis(string_, 'zh', 1, {'spd':audio_set[0],'pit':audio_set[1],'vol': audio_set[2],'per':audio_set[3]})
    open(path, 'wb').write(result)
    

def isConnected():
  import requests
  try:
    html = requests.get("http://www.baidu.com",timeout=2)
  except:
    return False
  return True



def out_comma(data,num_1,num_2):
  txt=''
  if isinstance(data,(list)):#有不止一段
    for i in data:
      for n in range(num_1):
        txt=txt+i
    for n in range(num_2):
      for i in data:
        txt=txt+i
  else:#如果不是數組，即只有一個字符串
    for n in range(num_2):
      txt=txt+data
  return txt

def code_a(path,data,set,audio_set):
  txt_mid=data.split('...')
  for i in range(len(txt_mid)):
    txt_mid[i]=txt_mid[i].split(',,,')
  #上面是對文本進行切片，下面進行相關處理
  txt=''
  for i in txt_mid:
    txt=txt+out_comma(i,set[0],set[1])
  for i in range(set[2]):
    for j in txt_mid:
      for k in j:
        txt=txt+k
  # import pyperclip
  # pyperclip.copy(txt)
  if path=='':
    import pyperclip
    pyperclip.copy(txt)
  else:
    fobj=open(path+'.txt','w')
    fobj.write(txt)
    fobj.close()
    #音頻生成，需要額外讀取audio_set數據
    
    audio_out(txt,path+'.mp3',audio_set)

def code_b(path,data,set,audio_set):
  txt_mid=data.split('...')
  for i in range(len(txt_mid)):
    txt_mid[i]=txt_mid[i].split(',,,')
  txt_last=[]
  for i in txt_mid:
    for j in i:
      txt_last.append(j)
  # print(txt_last)
  # for i in txt_last:
    # print(i)
  # print('文本輸出完畢')#這里是有。標點的
  txt_mark=[]
  txt_midd=data[:2]
  for i in data[2:]:
    txt_midd=txt_midd+i
    if txt_midd==',,,':
      txt_mark.append(0)
    elif txt_midd=='...':
      txt_mark.append(1)
    txt_midd=txt_midd[1:]
  # print(len(txt_last))#98
  # print(len(txt_mark))#97
  txt=''
  for circle in range(set[2]):
    for i in range(len(txt_mark)):
      if txt_mark[i]==0:
        for j in range(set[0]):
          txt+=txt_last[i]
          
      elif txt_mark[i]==1:
        for j in range(set[1]):
          txt+=txt_last[i]
  
  if path=='':
    import pyperclip
    pyperclip.copy(txt)
  else:
    fobj=open(path+'.txt','w')
    fobj.write(txt)
    fobj.close()
    #音頻生成，需要額外讀取audio_set數據
    audio_out(txt,path+'.mp3',audio_set)


class assist():
  def write_txt_data(data,path):
    ls = os.linesep
    #data 為數組類型
    fobj = open(path,'w')
    fobj.writelines(['%s%s'%(x,ls)for x in data])
    fobj.close()
  def read_txt_data(path):
    fobj = open(path,'r')
    string = []
    for eachline in fobj:
      if eachline[:-1] != '':
        string.append(eachline[:-1])
    fobj.close()
    return string



class out_setconfig(tk.Toplevel):
  def __init__(self):
    super().__init__()
    self.title('參數設置')# 彈窗界面
    self.data_set_path = os.path.dirname(os.path.realpath(__file__))+"\\data_set.txt"
    isExists = os.path.exists(self.data_set_path )
    if isExists == False:     #bug,之前沒有設置
      self.setup_eror()
    else:
      self.setup_UI()

  def setup_eror(self):
    row1 = tk.Frame(self)
    row1.pack(fill="x")
    tk.Label(row1, text='程序第一次運行！\n\n已進行參數初始化操作\n').pack(side=tk.LEFT)
    row4 = tk.Frame(self)
    row4.pack(fill="x")
    assist.write_txt_data(['1','2','2','2','1','3','1','2','5','5','5','0'],self.data_set_path )
    
    
    tk.Button(row4, text="關閉窗口", command=self.cancel).pack(side=tk.RIGHT)
  def setup_UI(self):
    
    self.A1 = tk.StringVar()
    self.A2 = tk.StringVar()
    self.A3 = tk.StringVar()
    self.A0 = tk.IntVar()
    
    self.B1 = tk.StringVar()
    self.B2 = tk.StringVar()
    self.B3 = tk.StringVar()
    self.B0 = tk.IntVar()
    
    self.C0 = tk.StringVar()
    self.C1 = tk.StringVar()
    self.C2 = tk.StringVar()
    self.C3 = tk.StringVar()
    
    data = assist.read_txt_data(self.data_set_path)
    self.A1.set(data[1])
    self.A2.set(data[2])
    self.A3.set(data[3])
    d = int(data[0])
    self.A0.set(d)
    
    self.B1.set(data[5])
    self.B2.set(data[6])
    self.B3.set(data[7])
    d = int(data[4])
    self.B0.set(d)
    
    self.C0.set(data[8])
    self.C1.set(data[9])
    self.C2.set(data[10])
    self.C3.set(data[11])
    
    row1 = tk.Frame(self)
    row1.pack(fill="x")
    
    tk.Label(row1,text='程序A',width=30 ).grid(row=0,column=0,columnspan=2)
    tk.Label(row1,text='逗號次數：',width=15).grid(row=1,column=0)
    tk.Label(row1,text='句號次數：',width=15).grid(row=2,column=0)
    tk.Label(row1,text='全部文本次數',width=15).grid(row=3,column=0)
    tk.Label(row1,text='是否生成文本',width=15).grid(row=4,column=0)
    
    tk.Entry(row1, textvariable=self.A1, width=13).grid(row=1,column=1)
    tk.Entry(row1, textvariable=self.A2, width=13).grid(row=2,column=1)
    tk.Entry(row1, textvariable=self.A3, width=13).grid(row=3,column=1)
    checkA = tk.Checkbutton(row1, text="播放", variable=self.A0)
    checkA.select()
    checkA.grid(column=1, row=4, sticky=tk.W)
    
    
    tk.Label(row1,text='程序B',width=30 ).grid(row=0,column=2,columnspan=2)
    tk.Label(row1,text='逗號次數：',width=15).grid(row=1,column=2)
    tk.Label(row1,text='句號次數：',width=15).grid(row=2,column=2)
    tk.Label(row1,text='全部文本次數',width=15).grid(row=3,column=2)
    tk.Label(row1,text='是否生成文本',width=15).grid(row=4,column=2)
    
    tk.Entry(row1, textvariable=self.B1, width=13).grid(row=1,column=3)
    tk.Entry(row1, textvariable=self.B2, width=13).grid(row=2,column=3)
    tk.Entry(row1, textvariable=self.B3, width=13).grid(row=3,column=3)
    checkB = tk.Checkbutton(row1, text="播放", variable=self.B0)
    checkB.select()
    checkB.grid(column=3, row=4, sticky=tk.W)
    
    self.A0.set(int(data[0]))
    self.B0.set(int(data[4]))
    
    #這個是音頻合成設置界面的
    tk.Label(row1,text='音頻合成參數設置',width=30 ).grid(row=0,column=4,columnspan=2)
    tk.Label(row1,text='語速：',width=15).grid(row=1,column=4)
    tk.Label(row1,text='音調：',width=15).grid(row=2,column=4)
    tk.Label(row1,text='音量',width=15).grid(row=3,column=4)
    tk.Label(row1,text='發音人',width=15).grid(row=4,column=4)
    
    tk.Entry(row1, textvariable=self.C0, width=13).grid(row=1,column=5)
    tk.Entry(row1, textvariable=self.C1, width=13).grid(row=2,column=5)
    tk.Entry(row1, textvariable=self.C2, width=13).grid(row=3,column=5)
    tk.Entry(row1, textvariable=self.C3, width=13).grid(row=4,column=5)
    
    tk.Button(row1, text="取消", command=self.cancel, width=13).grid(row=9,column=0)
    tk.Button(row1, text="確定", command=self.ok, width=13).grid(row=9,column=4)
    tk.Button(row1, text="重置", command=self.reset, width=13).grid(row=9,column=5)
    
  def ok(self):
    self.userinfo_A = [self.A0.get(), self.A1.get(),self.A2.get(),self.A3.get()] # 設置數據
    self.userinfo_B = [self.B0.get(), self.B1.get(),self.B2.get(),self.B3.get()] # 設置數據
    self.userinfo_C = [self.C0.get(), self.C1.get(),self.C2.get(),self.C3.get()]
    
    self.userinfo_A[0] = str(self.userinfo_A[0])
    self.userinfo_B[3] = str(self.userinfo_B[3])
    
    
    data = self.userinfo_A + self.userinfo_B+self.userinfo_C
    # print(data)
    assist.write_txt_data(data,os.path.dirname(os.path.realpath(__file__))+"\\data_set.txt")
    self.destroy() # 銷毀窗口
  def cancel(self):
    self.userinfo = None # 空！
    self.destroy()
  
  def reset(self):
    assist.write_txt_data(['1','2','2','2','1','3','1','2','5','5','5','0'],self.data_set_path )
    self.destroy()
    
################################
class main_code(tk.Tk):
  def __init__(self):
    super().__init__()
    self.audio_path = ""
    self.run = True
    self.vartext = tk.StringVar()
    
    self.txt=''
    networkisok=isConnected()
    if networkisok:
      self.mark_text = '網絡連接正常！\n歡迎使用！'
    else:
      self.mark_text = '無網絡連接！\n請確認網絡連接是否完好\n無法連接百度雲服務器'
    
    self.insert_text = ''
    self.vartext.set(self.mark_text)
    self.audio_path = ""
    self.title('音頻標記')
    self.setupUI()
    
  def setupUI(self):
    
    row4 = tk.Frame(self)
    row4.pack(fill="x")
    
    tk.Button(row4,text='導入文本',width=27,command=self.select).grid(row=0,column=0)
    tk.Button(row4,text='設置文本',width=27,command=self.setup_config).grid(row=0,column=1)
    tk.Button(row4,text='生成文本',width=27,command=lambda:self.lay(entry1.get())).grid(row=0,column=2)
    
    label = tk.Label(row4,height=3,textvariable=self.vartext, bg='white', font=('黑體', 10), anchor='w').grid(row=1,column=0,columnspan=3)
    
    entry1 = tk.Entry(row4,width=85)
    entry1.grid(row=2,column=0,columnspan=3)

  def select(self):   #獲取audio_path和audio_len
    self.audio_path = tk.filedialog.askopenfilename(initialdir = 'C:\\Users\\Administrator\\Desktop',filetypes=( ("txt or docx files", "*.txt;*.docx"),("All files", "*.*")))
    if self.audio_path=="":
      self.vartext.set('未導入任何文件')
    else:
      p,f=os.path.split(self.audio_path)
      path = os.path.dirname(os.path.realpath(__file__)) + '\\data\\' + str(os.path.splitext(f)[0])
      # print(path)
      isExists = os.path.exists(path)
      if not isExists:  #如果不存在這個目錄
        os.makedirs(path)  #創建一個新的路徑
        shutil.copyfile(self.audio_path,path+'\\'+f)
        
      if str(os.path.splitext(f)[1])=='.txt':
        file_object = open(self.audio_path,'r', encoding='UTF-8')
        try:
          file_context = file_object.read()
        finally:
          file_object.close()
        self.txt=file_context
        self.vartext.set('已導入txt文本')
      # print(1)
      elif str(os.path.splitext(f)[1])=='.docx':
        import docx
        document = docx.Document(self.audio_path)
        txt=''
        for paragraph in document.paragraphs:
          txt+=paragraph.text
        self.txt=txt
        self.vartext.set('已導入docx文本')
      
      self.audio_path=path+'\\'+f#更新數據路徑
      # print(self.audio_path)
    
  def lay(self,txt=''):
    mark_set=assist.read_txt_data(os.path.dirname(os.path.realpath(__file__))+"\\data_set.txt")
    # print(mark_set)
    
    for i in range(len(mark_set)):
      mark_set[i]=int(mark_set[i])
    
    # mark_set=[1,1,0,1,0,0,1,4]
    if txt=='':
      if self.audio_path!='':
        p,f=os.path.split(self.audio_path)
        # print(p)
        if mark_set[0]==1:
          # code_a(p+'\\'+str(os.path.splitext(f)[0])+'_A'+'.txt',self.txt,mark_set[1:4])
          code_a(p+'\\'+str(os.path.splitext(f)[0])+'_A',self.txt,mark_set[1:4],mark_set[8:12])
          # self.vartext.set('已生成文本標記文件A')
        if mark_set[4]==1:
          # code_b(p+'\\'+str(os.path.splitext(f)[0])+'_B'+'.txt',self.txt,mark_set[5:])
          code_b(p+'\\'+str(os.path.splitext(f)[0])+'_B',self.txt,mark_set[5:],mark_set[8:12])
          # self.vartext.set('已生成文本標記文件B')
        if mark_set[0]==1 and mark_set[4]==1:
          self.vartext.set('已生成文本標記文件A、B和相應的音頻')
        elif mark_set[0]==1 and mark_set[4]==0:
          self.vartext.set('已生成文本標記文件A和相應的音頻')
        elif mark_set[0]==0 and mark_set[4]==1:
          self.vartext.set('已生成文本標記文件B和相應的音頻')
        elif mark_set[0]==0 and mark_set[4]==0:
          self.vartext.set('設置中未確定生成何種文件\n請在設置文本中調整參數！')
      else:
        self.vartext.set('未導入任何文件')
    else:
      # print(txt)
      if mark_set[0]==1:
        code_a('',txt,mark_set[1:4])
        self.vartext.set('已將A程序處理后的文字復制到剪切板\n直接粘貼即可\n如果想使用B程序處理請在設置中將程序A取消，並勾選程序B')
      elif mark_set[4]==1:
        code_b('',txt,mark_set[5:])
        self.vartext.set('已將B程序處理后的文字復制到剪切板\n直接粘貼即可\n如果想使用A程序處理請在設置中將程序B取消，並勾選程序A')
    
    
  def setup_config(self):
    res = self.ask_userinfo()
    if res is None: return
  def ask_userinfo(self):
    inputDialog = out_setconfig()
    self.wait_window(inputDialog) # 這一句很重要！！！

if __name__ == '__main__':
  app = main_code()
  app.mainloop()