Google 文本转语音的轮子 谁搞过？

[JCZ2MkKb5S8ZX9pq]

需求

是为了做视频配音。然后一句句去下载很麻烦嘛，就想搞个轮子。
自动识别多行文本，或者 excel，然后每段落单独下载为 mp3，这样比较方便。

方法

目前是直接去摸了 gcloud 官方的 api 啦，传送门：
Quickstart: Using the Client Libraries  |  Cloud Text-to-Speech API  |  Google Cloud

问题

现在全局开着飞机，但跑 sample.py 还是会 504 超时。（访问 google 或 youtube 或 g trans 都 ok 的）
想请问有没有人用过 google 这个接口？

或者有其它轮子也可以推荐一下

py3调用讯飞tts，分享下。

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

'''
这是利用了 讯飞 的 在线文本转语音 api，把单句文本转为语音文件，并保存到本地。
需要先填入 APPID 和 API_KEY。
详情见 https://www.xfyun.cn/services/online_tts
'''
import json
import requests
import time
import hashlib
import base64
import os

URL = 'http://api.xfyun.cn/v1/service/v1/tts'
AUE = 'lame'  # raw=wav, lame=mp3
APPID = ''
API_KEY = ''


def getHeader():
    curTime = str(int(time.time())).encode('utf-8')

    param = {
        'aue': AUE,
        'auf': 'audio/L16;rate=16000',
        'voice_name': 'xiaoyan',
        'engine_type': 'intp65',
    }
    paramBytes = str(param).encode('utf-8')
    # fix format (if ' or space exists, returns params error.)
    paramBytes = paramBytes.replace(b'\'', b'\"').replace(b' ', b'')
    paramBase64 = base64.b64encode(paramBytes)

    m2 = hashlib.md5()
    m2.update(API_KEY.encode('utf-8') + curTime + paramBase64)
    checkSum = m2.hexdigest()

    header = {
        'X-CurTime': curTime,
        'X-Param': paramBase64,
        'X-Appid': APPID,
        'X-CheckSum': checkSum,
        'X-Real-Ip': '127.0.0.1',
        'Content-Type': 'application/x-www-form-urlencoded; charset=utf-8',
    }
    return header


def xunfei_tts(text):
    header = getHeader()
    data = {'text': text}
    r = requests.post(URL, headers=header, data=data)
    if r.headers['Content-Type'] == "audio/mpeg":
        print("success | sid: %s | %s" % (r.headers['sid'], text[:10]))
        return r.content
    else:
        print(r.text)


if __name__ == '__main__':
    text = '床前明月光，疑是地上霜。'
    text += 'The moonlight flow on the floor, just like frost.'

    result = xunfei_tts(text)
    if result:
        root = os.path.split(os.path.realpath(__file__))[0]
        ext = '.wav'if AUE == "raw" else '.mp3'
        file = os.path.join(root, 'test' + ext)
        with open(file, 'wb') as f:
            f.write(result)

[popbones]

Mac OS X 系统自带文本转语音，命令行直接调用 say 命令研究一下

[bfpiaoran]

直接谷歌翻译不行么。。。。

[ReVanTis]

以前试过用 google tts 和 yandex 的 tts 做 alexa skill，那时候还不太懂改一些请求的参数，也是发现需要转码率和采样率，最终还是用了讯飞的离线库搞定的。

[nuko]

我记得讯飞有接口，语音转 TTS 的

[JCZ2MkKb5S8ZX9pq]

@popbones 嗯，有机会看看。不过这次的最终使用者，用的是 win。

[JCZ2MkKb5S8ZX9pq]

@ReVanTis @nuko 嗯 我看下讯飞

[xubeiyan]

tts 很多家都有的啊，百度的也可以啊

[JCZ2MkKb5S8ZX9pq]

@xubeiyan 百度心理上比较抵触 ( ╯□╰ )

[yamedie]

百度的 api 比讯飞大方, 普通开发者每日调用限额 20W 次, 对比讯飞的 500 次

[ksharp8]

可以试用科大讯飞的 api，还支持多种方言

[WildCat]

我做了百度和腾讯 AI 的封装，最近太忙就没完善。
https://github.com/imWildCat/AITK/blob/master/aitk/cloud/tencent/speech.py#L98

官网： https://aitk.ai

需要的话，我把文档和 pip 发布下。

[WildCat]

额 百度的封装还没做，今晚搞定。

[kimwang]

不是 IT 人，不会搞，但对这个非常需要，特别是粤语的，给文化低的老人家读字，听她喜欢的东西。
支持楼主继续搞事情。

[JCZ2MkKb5S8ZX9pq]

@kimwang 用了讯飞的，有支持粤语。
我是有明确的实际应用，可能并不适合你。
但你可以搜索看看，应该挺多人搞过了。比如我洗澡的时候就会让 safari 读网页听，应该有类似工具吧。

[Yvette]

say +1

[helloiac]

看看这个 https://evaread.net/

[fingerprint]

讯飞、百度、谷歌都用过。如果是英文转语音建议用谷歌，最好是在国外的 vps 上弄个服务自己用。中文的话讯飞比较好。

[JCZ2MkKb5S8ZX9pq]

@fingerprint 嗯，讯飞的英语太惨了，日语我都没试出来。

[JCZ2MkKb5S8ZX9pq]

@helloiac 666 不过我已经搞完了。我们后期还是会自己加剪辑的。

[JCZ2MkKb5S8ZX9pq]

py3 调用讯飞 tts 的代码，直接 append 分享了。
其中 params 格式化那步有点坑，测了半天才发现是引号和空格的问题，按理说后端应该判断下。
感谢大家的建议。

[yo0o0o0]

我有写好的用 node，调百度的 api。https://github.com/JesseHeisenberg/txtToAudio

[jinggoing]

没有人用过思必驰的语音吗

[fxg]

推荐百度，感觉百度的技术和营销部门是完全两个世界

[zhchyu999]

讯飞是相当贵，自己的模型更贵

[est]

@ReVanTis 讯飞之前官方不提供 python 离线包，理由是脚本语言可以被反编译。。不知道现在如何了。。

[diggerdu]

@jinggoing 思必驰技术可以的 交大办的

[947211232]

#14 不放过一丝汲取知识的机会，为在下打开了新视野。

[JCZ2MkKb5S8ZX9pq]

@fxg 这个我认同，百度有些计数部门是不错。
之前用 echart 在 github 交流过一阵，还不错的。现在 echart 也还在用，不过也想尝试 d3。

[JCZ2MkKb5S8ZX9pq]

@est 好像搜到过 py 的离线版，用了在线版主要是考虑效果好一点。
不过对我们短片配音来说，那种拙劣的机器人感，有时候反而效果更好。