/tts

文本转语音的简单demo

Primary LanguagePython

文本转语音的简单demo

官方的地址

https://azure.microsoft.com/zh-cn/services/cognitive-services/text-to-speech/#overview

声明

仅用于学习交流禁止商用

项目的目的和相关说明

  • 项目的核心功能是，可以直接下载转换后的MP3文件，微软官方的网页版demo不能直接下载转换后的MP3文件（直接录音对于转换文字较多时不是很方便）
  • 该项目需要python环境，需要一点点python的基础（只要会用pip 安装包，会运行代码即可）
  • 因为本人UI水平比较差所以没有制作GUI，CLI的小工具打包成EXE意义不大（如果python都不会装，大概率也不会用CLI的EXE小工具）

使用方法

使用方法视频版本 https://www.bilibili.com/video/BV13S4y1D7u7

安装依赖

pip install -r requirements.txt

运行

python tts.py --input SSML.xml

使用python 运行tts.py，通过参数input传入SSML.xml文件的路径

或者可以通过传入output 传入希望保存的文件名

python tts.py --input SSML.xml --output 保存文件名

SSML.xml文件的示例如下

<speak xmlns="http://www.w3.org/2001/10/synthesis" xmlns:mstts="http://www.w3.org/2001/mstts" xmlns:emo="http://www.w3.org/2009/10/emotionml" version="1.0" xml:lang="en-US">
    <voice name="zh-CN-XiaoxiaoNeural">
        <prosody rate="0%" pitch="0%">
        这个是 SSML 语音合成标记语言
        </prosody>
    </voice>
    <voice name="zh-CN-XiaoxiaoNeural">
        <prosody rate="0%" pitch="0%">
        这个是晓晓的声音
        </prosody>
    </voice>
    <voice name="zh-CN-YunyangNeural">
        <prosody rate="0%" pitch="0%">
        这个是云扬的声音。
        </prosody>
    </voice>
</speak>

voice name 声音的名字
rate 速度
pitch 语调

进阶玩法(选择声音和说话风格)

因为用的网页版背后的API 所有网页版可以选择的声音和风格，这个小工具同样可以实现
可以先看一下声音和风格示例文件夹中的xml示例学习一下
SSML（语音合成标记语言） 的speak标签内嵌套一个或多个voice，voice name 声音的名字如zh-CN-XiaoxiaoNeural voice 中可以嵌套mstts，mstts标签内可以指定说法的风格如chat聊天风格 ，简单了解之后就可以通过调整 SSML，以控制文本不同部分的声音效果。

<speak xmlns="http://www.w3.org/2001/10/synthesis" xmlns:mstts="http://www.w3.org/2001/mstts" xmlns:emo="http://www.w3.org/2009/10/emotionml" version="1.0" xml:lang="en-US">
    <voice name="zh-CN-XiaoxiaoNeural">
        <mstts:express-as style="chat">
            <prosody rate="0%" pitch="0%">晓晓聊天声音</prosody>
        </mstts:express-as>
    </voice>
</speak>

常用声音和风格列表

注'General'不用添加到sytle中

中文名 voice name 支持风格 style
Xiaoxiao (Neural) - 晓晓 zh-CN-XiaoxiaoNeural 'general', 'assistant', 'chat', 'customerservice', 'newscast', 'affectionate', 'angry', 'calm', 'cheerful', 'disgruntled', 'fearful', 'gentle', 'lyrical', 'sad', 'serious'
Yunyang (Neural) - 云扬 zh-CN-YunyangNeural 'general', 'customerservice', 'narration-professional', 'newscast-casual'
Xiaochen (Neural) - 晓辰 zh-CN-XiaochenNeural 'general'
Xiaohan (Neural) - 晓涵 zh-CN-XiaohanNeural 'general', 'calm', 'fearful', 'cheerful', 'disgruntled', 'serious', 'angry', 'sad', 'gentle', 'affectionate', 'embarrassed'
Xiaomo (Neural) - 晓墨 zh-CN-XiaomoNeural 'general', 'embarrassed', 'calm', 'fearful', 'cheerful', 'disgruntled', 'serious', 'angry', 'sad', 'depressed', 'affectionate', 'gentle', 'envious'
Xiaoqiu (Neural) - 晓秋 zh-CN-XiaoruiNeural 'general'
Xiaorui (Neural) - 晓睿 zh-CN-XiaoruiNeural 'general', 'calm', 'fearful', 'angry', 'sad'
Xiaoshuang (Neural) - 晓双 zh-CN-XiaoshuangNeural 'general', 'chat'
Xiaoxuan (Neural) - 晓萱 zh-CN-XiaoxuanNeural 'general', 'calm', 'fearful', 'cheerful', 'disgruntled', 'serious', 'angry', 'gentle', 'depressed'
Xiaoyan (Neural) - 晓颜 zh-CN-XiaoyanNeural 'general'
Xiaoyou (Neural) - 晓悠 zh-CN-XiaoyouNeural 'general'
Yunxi (Neural) - 云希 zh-CN-YunxiNeural 'general', 'narration-relaxed', 'embarrassed', 'fearful', 'cheerful', 'disgruntled', 'serious', 'angry', 'sad', 'depressed', 'chat', 'assistant', 'newscast'
Yunye (Neural) - 云野 zh-CN-YunyeNeural 'general', 'embarrassed', 'calm', 'fearful', 'cheerful', 'disgruntled', 'serious', 'angry', 'sad'

以上是中文部分的，微软的tts支持100多种语音，其他的语音自己在网页上查看吧

如果对js逆向感兴趣

可以在这里看调试过程