前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >智能云上手指南:语音合成 API 快速接入

智能云上手指南:语音合成 API 快速接入

原创
作者头像
腾讯云开发者社区
修改2017-10-18 16:34:47
2.5K0
修改2017-10-18 16:34:47
举报

6月21日,腾讯云在2017「云+未来」峰会上推出了战略新品——智能云,宣布将腾讯积累近20年的AI能力向政府、企业和开发者开放,其中首批开放计算机视觉、智能语音识别、自然语言处理的三大核心能力。腾讯云技术社区将陆续推出系列文章,介绍普通开发者如何快速接入并使用这三大 AI 能力。

本文将为大家讲解如何上手智能云提供的智能语音识别服务

功能简介

语音合成服务提供文本转语音服务,支持多种音色选择、语速选择。

目前提供Restful API方式,用户可以通过API上传需要合成的中文文本,系统会立即进行合成,云端合成成功后,返回合成结果语音。

语音合成实现了机器向人的语音交互,适用场景包括:广播播报,有声小说,智能车载等等,让应用开口说话,便捷人机交互。

Restful API

语音合成的 RESTful API 请求结构如下:

参数名称

必选

类型

描述

Version

String

HTTPS 协议版本

URL

String

HTTPS 请求地址

Https Headers

数据集合

HTTPS 请求头部

Https Method

String

HTTPS 请求方法,请求方法为 POST

Https Body

String

HTTPS 请求正文

其中,URL 的结构为 :

代码语言:javascript
复制
https://aai.qcloud.com/tts/v1/<appid>?
projectid=xxx&
sub_service_type=xxx&
speech_format=xxx&
volume=xxx&
person=xxx&
speed=xxx&
secretid=<secretid>&
timestamp=xxx&
expired=xxx&
nonce=xxx

URL 中各字段含义如下(各字段的值需要进行 URL 编码):

字段

必选

类型

描述

appid

uint

腾讯云应用 ID 值

projectid

uint

腾讯云项目 ID,不填为默认项目,即0,总长度不超过1024字节

sub_service_type

uint

子服务类型。0:短文本实时合成。目前只支持短文本实时合成

speech_format

String

合成语音格式,目前支持MP3格式

volume

uint

音量,默认为5,取值范围为0-10

person

uint

发音人,目前仅支持0,女声

speed

uint

语速,默认值为0,取值范围为-40到40,1表示加速到原来的1.1倍,-1为相对于正常语速放慢1.1倍

secretid

String

官网云API密钥中获得的SecretId

timestamp

uint

当前时间戳,是一个符合 UNIX Epoch 时间戳规范的数值,单位为秒

expired

uint

timestamp 且 expired - timestamp 小于90天

nonce

uint

随机正整数。用户需自行生成,最长10位

HTTPS Headers 的结构如下:

参数名称

必选

类型

描述

Host

String

语音识别服务域名,固定为 aai.qcloud.com

Authorization

String

用户的有效签名,用于鉴权。对应签名鉴权中得到的签名字符串

Content-Type

String

multipart/form-data

Content-Length

Int

请求长度,此处为https body总的字节数。文本数据,utf-8编码,长度限制为1024字节以内

请求示例

下列示例中,<箭头括号>表示必须替换为有效值的变量。请求 Host 与路径:

https://aai.qcloud.com/tts/v1/<appid>?

请求参数:

代码语言:javascript
复制
{
"projectid":"0",
"sub_service_type":"0",
"speech_format":"mp3",
"volume":"3",
"person":"0",
"speed":"0",
"secretid":"AKIDlfdHxN0ntSVt4KPH0xXWnGl21UUFNoO5",
"timestamp":"1484109983",
"expired":"1484113583",
"nonce":"1675199141"
}

这里以< appid > = 20170111, < SecretKey >=oaYWFO70LGDmcpfwo8uF1IInayysGtgZ 为例拼接签名原文,则拼接的签名原文为:

POSTaai.qcloud.com/tts/v1/20170111?expired=1484113583&nonce=1675199141&person=0&projectid=0&secretid=AKIDlfdHxN0ntSVt4KPH0xXWnGl21UUFNoO5&speech_format=mp3&speed=0&sub_service_type=0&timestamp=1484109983&volume=3

对原文进行加密处理:

Base64Encode(HmacSha1(签名原文, SecretKey))

最终得到签名串为:

HRCKlbwPhWtVvfGn914qE5O1rwc= 请求 headers 为:

代码语言:javascript
复制
{
"Content-Type":"multipart/form-data",
"Authorization":"HRCKlbwPhWtVvfGn914qE5O1rwc="
}

返回结构

RESTful API 返回结果

语音全文转写识别的 RESTful API 请求返回结果如下表所示:

参数名称

类型

说明

code

int

服务器错误码,0为成功

message

String

服务器返回的信息

speech

String

经过Base64编码的合成语音数据

返回示例

返回消息示例如下:

代码语言:javascript
复制
 {
 "code":0, 
 "message":"success",
 "speech": "xxxxxxx"
 }

返回码 0 表示成功。

Python代码示例

代码语言:javascript
复制
#!/usr/bin/python
# coding: UTF-8

import requests
import time
import random
import hmac, hashlib, base64
import json

appid = 0
secret_id = 'your_secret_id'
secret_key = 'your_secret_key'

args = {
        'secretid': secret_id,
        'projectid': 0,
        'sub_service_type': 0,
        'speech_format': 'mp3',
        'volume': 2,
        'person': 0,
        'speed': 0,
        'timestamp': int(time.time()),
        'expired': int(time.time()) + 60 * 60,
        'nonce': random.randint(1048576, 104857600),
}

query_str = "&".join(["%s=%s"%(k,args[k]) for k in sorted(args.keys())])
calc_str = "POSTaai.qcloud.com/tts/v1/%(appid)s?%(query_str)s"%vars()
hashed = hmac.new(secret_key, calc_str, hashlib.sha1)
headers = {"Authorization": base64.b64encode(hashed.digest())}

url = "http://aai.qcloud.com/tts/v1/%(appid)s?%(query_str)s"%vars()
upload_file = "hello.txt"
files = {"file": open(upload_file, "rb")}
resp = requests.post(url=url, files=files, headers=headers)
resp = json.loads(resp.text)
data = base64.b64decode(resp["speech"])

f = open("hello.mp3", "w")
f.write(data)
f.close()

PHP代码示例

代码语言:javascript
复制
<?php
ini_set("display_errors", "1");
error_reporting(E_ALL);
$serverIp = "aai.qcloud.com";
$serverPort = 80;

$appid = YOUR_APPID;
// 获取secretId 和 secretKey -> https://console.qcloud.com/capi
$secret_id = 'YOUR_SECRET_ID';
$secret_key = 'YOUR_SECRET_KEY';

$query_arr = array(
    'secretid' => $secret_id,
    'projectid' => 0,
    'sub_service_type' => 0,
    'speech_format' => 'mp3',
    'volume' => 2,
    'person' => 0,
    'speed' => 0,
    'timestamp' => time(),
    'expired' => time() + 60 * 60,
    'nonce' => rand(),
);

ksort($query_arr);
$query_str = "";
foreach($query_arr as $key => $val) {
    $query_str .= "$key=$val&";
}
$query_str = trim($query_str, "&");

// 计算签名
$sign_str = "POSTaai.qcloud.com/tts/v1/$appid?$query_str";
$signature = base64_encode(hash_hmac('SHA1', $sign_str, $secret_key, TRUE));

// 请求消息体,multipart/form-data格式
$form_boundary = "----WebKitFormBoundarybS1Fvrpes3yfBSvu";
$body_str = "--$form_boundary\r\n";
$body_str .= "Content-Disposition: form-data; name=".'"'."test1".'"'."; filename=".'"'."test_upload.txt".'"'."\r\n";
$body_str .= "Content-Type: application/octet-stream\r\n";
$body_str .= "\r\n";
$body_str .= "你好啊吃饭了没\r\n";
$body_str .= "--$form_boundary\r\n";
$body_str .= "Content-Disposition: form-data; name=".'"'."test2".'"'."; filename=".'"'."debug.log".'"'."\r\n";
$body_str .= "Content-Type: application/octet-stream\r\n";
$body_str .= "\r\n";
$body_str .= "最近雾霾很严重最好留在室内\r\n";
$body_str .= "--$form_boundary\r\n";
$body_str .= 'Content-Disposition: form-data; name="submit"'."\r\n";
$body_str .= "\r\n";
$body_str .= "Submit\r\n";
$body_str .= "--$form_boundary--\r\n";

$req = "POST /tts/v1/$appid?$query_str HTTP/1.1 \r\n";
$req .= "Host: aai.qcloud.com\r\n";
$req .= "Authorization: $signature\r\n";
$req .= "Content-Type: multipart/form-data; boundary=$form_boundary\r\n";
$req .= "Content-Length: ";
$req .= strlen($body_str);
$req .= "\r\n\r\n";
$req .= $body_str;
echo "=================== req start ===================\n";
echo "$req\n";
echo "=================== req end ===================\n";
$socket = socket_create(AF_INET, SOCK_STREAM, SOL_TCP);
if($socket < 0){
    echo "socket_create failed : ".socket_strerror($socket)."\n";
    return ;
}
$res = socket_connect($socket, $serverIp,$serverPort);
if($res < 0){
    echo "socket_connect failed : ".socket_strerror($res)."\n";
    return ;
}
$res = socket_write($socket,$req,strlen($req));
if(!$res){
    echo "socket_write failed : ".socket_strerror($socket)."\n";
    return ;
}
$rsp = "";
while($tmprsp = socket_read($socket,8192)){
    $rsp .= $tmprsp;
}
echo "=================== resp ===================\n";
echo "rsp :\n".$rsp."\n";
socket_close($socket);

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 功能简介
  • Restful API
    • 请求示例
      • 返回结构
        • RESTful API 返回结果
        • 返回示例
    • Python代码示例
    • PHP代码示例
    相关产品与服务
    语音识别
    腾讯云语音识别(Automatic Speech Recognition,ASR)是将语音转化成文字的PaaS产品,为企业提供精准而极具性价比的识别服务。被微信、王者荣耀、腾讯视频等大量业务使用,适用于录音质检、会议实时转写、语音输入法等多个场景。
    领券
    问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档