让使用讯飞TTS稍微方便一些。

讯飞TTS对单句的长度有一定限制，本方案除了包装打扫一些调用所需的常规外，主要是自动对长句子进行切分，使之满足讯飞TTS对于句子长度的要求，然后再合并成连贯的语音。并且在切分时务求在标点断句处进行切分，以避免诡异的语音中断。

安装

我还没有搞定pip和conda的安装包（谁来教教我），所以您可以简单git clone，或者干脆把xunfei_tts.py 下载下来即可。

依赖

• Pydub
  • 注意pydub是基于ffmpeg的，所以还需要安装ffmpeg。
  • 在anaconda环境中，有可能ffmpeg调用出错，建议在所需env下使用conda进行ffmpeg的安装，conda install -c menpo ffmpeg 比使用homebrew还要更好一些，各种解码器都自动装上了。

使用前准备

要使用讯飞TTS, 应先注册讯飞开放平台, 获得相应的key和ID, 并在讯飞填入自己的IP地址. 挺麻烦的, 参考这里

如果要将代码上载到公共网络，例如github，建议讲API信息单独存储为txt文件，例如API_sample.txt中演示的：

{
"key": "这里写入APIKey",
"id": "这里写入APPID", 
"url": "http://api.xfyun.cn/v1/service/v1/tts"
}

如果不是使用的固定IP地址，那么每次更换IP以后都要去讯飞的控制平台上修改许可IP列表，修改后要过一两分钟才能生效。

使用示例

命令行使用：

• 简单文本朗读

python speak.py -t 'Hello world，这是一个测试' -s

• 文本朗读，保存为mp3文件

python speak.py -t 'Hello world，这是一个测试' -o 'test.mp3'

• 将文本文件转换成语音mp3文件

python speak.py -f test.txt -o test.mp3

• 将epub转换成语音mp3文件

python speak.py -e test.epub -o test.mp3

其中epub是由多个html构成，每个html文件会单独保存成一个mp3文件:test_001.mp3, test_002.mp3, ...

基础应用

from xunfei_tts import Speech as xf_Speech

# 需要导入API信息
with open('API_sample.txt') as json_file:  
    api = json.load(json_file)

s=xf_Speech(api)
text="你好世界，hello world"
s.play(text)
s.save(text,"hello_world.mp3")

指定语音参数

如果需要指定TTS中的参数，可以分别指定

• voice_name： 发音人：讯飞免费自带的有：xiaoyan，aisjiuxu，aisxping，aisjinger，aisbabyxu。还有很多更高质量的语音，可以免费试用15天。默认 voice_name='aisjiuxu'
• audio_type： 从讯飞取回音频的格式：mp3或wav，默认 audio_type="mp3"
• speed： 朗读速度，0-100，默认 speed="60"
• volume： 音量：0-100，默认 volume=100
• pitch: 音高：0-100，默认 pitch="30"
• engine_type： 引擎类型。aisound（普通效果），intp65（中文），intp65_en（英文），后两种似乎免费版用不了。默认 engine_type="aisound"

from xunfei_tts import Speech as xf_Speech

# 需要导入API信息
with open('API_sample.txt') as json_file:  
    api = json.load(json_file)

# 个性化设定语音
s=xf_Speech(api,
            voice_name='aisjiuxu',
            speed="80",
            pitch="50")

text="你好世界，hello world"
s.play(text)
s.save(text,"hello_world.mp3")

将语音放入内存中准备后续处理：

from xunfei_tts import Speech as xf_Speech
from io import BytesIO

# 需要导入API信息
with open('API_sample.txt') as json_file:  
    api = json.load(json_file)

# 个性化设定语音
s=xf_Speech(api,
            voice_name='aisjiuxu',
            speed="80",
            pitch="50")

text="你好世界，hello world"
s.play(text)
f=BytesIO()
s.savef(text,f)

使用限制

API调用次数限制

讯飞TTS在使用上有一定限制，其中每日API调用次数是500次，注意是次数，不是语句长度。

单句长度限制

对于每句话的长度要求是："待合成文本，使用utf-8编码，需urlencode，长度小于1000字节"，大约是300-450个中文单字。我在代码中以 MAX_SEGMENT_SIZE = 300进行了限定。

不过如果每次充分利用300多字的长度，每天也可以念出十万字左右。一般个人使用也够了。

IP地址限制

如果不是使用的固定IP地址，那么每次更换IP以后都要去讯飞的控制平台上修改许可IP列表，修改后要过一两分钟才能生效。

参考

讯飞开发文档