python 科大讯飞 文本转语音接口 + QT简单界面_python接入科大讯飞文字转语音

由于是实验做的，且有点赶，也就没有怎么整理和疏通，只要能运行就行了。所以仅供借鉴，问题肯定很多，在这只是记录一下所学。

前提

首先你需要注册科大讯飞AI开放平台的账号，领取新用户免费额度（这里是文本转语音次数额度）。然后控制台创建一个应用，应用里开通文本转语音。
另外安装 pyqt5，这是我用的应用界面的模块，安装教程自行百度，这里不再说明。

源码

由于程序挺简单，加上界面丑陋，啊hhhhh。所以就直接给可运行源码了。

# ##***文本转语音***## #

# -*- coding:utf-8 -*-
#
#   author: iflytek
#
#  本demo测试时运行的环境为：Windows + Python3.7
#  本demo测试成功运行时所安装的第三方库及其版本如下：
#   cffi==1.12.3
#   gevent==1.4.0
#   greenlet==0.4.15
#   pycparser==2.19
#   six==1.12.0
#   websocket==0.2.1
#   websocket-client==0.56.0
#   合成小语种需要传输小语种文本、使用小语种发音人vcn、tte=unicode以及修改文本编码方式
#  错误码链接：https://www.xfyun.cn/document/error-code （code返回错误码时必看）
# # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # #
import websocket
import datetime
import hashlib
import base64
import hmac
import json
from urllib.parse import urlencode
import time
import ssl
from wsgiref.handlers import format_date_time
from datetime import datetime
from time import mktime
import _thread as thread
import os
import numpy as np
import sys
import wave

STATUS_FIRST_FRAME = 0  # 第一帧的标识
STATUS_CONTINUE_FRAME = 1  # 中间帧标识
STATUS_LAST_FRAME = 2  # 最后一帧的标识


class Ws_Param(object):
    # 初始化
    def __init__(self, APPID, APIKey, APISecret, Text):
        self.APPID = APPID
        self.APIKey = APIKey
        self.APISecret = APISecret
        self.Text = Text

        # 公共参数(common)
        self.CommonArgs = {"app_id": self.APPID}
        # 业务参数(business)，更多个性化参数可在官网查看
        self.BusinessArgs = {"aue": "raw", "auf": "audio/L16;rate=16000", "vcn": "xiaoyan", "tte": "utf8","speed":20}
        self.Data = {"status": 2, "text": str(base64.b64encode(self.Text.encode('utf-8')), "UTF8")}
        #使用小语种须使用以下方式，此处的unicode指的是 utf16小端的编码方式，即"UTF-16LE"”
        #self.Data = {"status": 2, "text": str(base64.b64encode(self.Text.encode('utf-16')), "UTF8")}

    # 生成url
    def create_url(self):
        url = 'wss://tts-api.xfyun.cn/v2/tts'
        # 生成RFC1123格式的时间戳
        now = datetime.now()
        date = format_date_time(mktime(now.timetuple()))

        # 拼接字符串
        signature_origin = "host: " + "ws-api.xfyun.cn" + "\n"
        signature_origin += "date: " + date + "\n"
        signature_origin += "GET " + "/v2/tts " + "HTTP/1.1"
        # 进行hmac-sha256进行加密
        signature_sha = hmac.new(self.APISecret.encode('utf-8'), signature_origin.encode('utf-8'),
                                 digestmod=hashlib.sha256).digest()
        signature_sha = base64.b64encode(signature_sha).decode(encoding='utf-8')

        authorization_origin = "api_key=\"%s\", algorithm=\"%s\", headers=\"%s\", signature=\"%s\"" % (
            self.APIKey, "hmac-sha256", "host date request-line", signature_sha)
        authorization = base64.b64encode(authorization_origin.encode('utf-8')).decode(encoding='utf-8')
        # 将请求的鉴权参数组合为字典
        v = {
            "authorization": authorization,
            "date": date,
            "host": "ws-api.xfyun.cn"
        }
        # 拼接鉴权参数，生成url
        url = url + '?' + urlencode(v)
        # print("date: ",date)
        # print("v: ",v)
        # 此处打印出建立连接时候的url,参考本demo的时候可取消上方打印的注释，比对相同参数时生成的url与自己代码生成的url是否一致
        # print('websocket url :', url)
        return url

def on_message(ws, message):
    try:
        message =json.loads(message)
        code = message["code"]
        sid = message["sid"]
        audio = message["data"]["audio"]
        audio = base64.b64decode(audio)
        status = message["data"]["status"]
        print(message)
        if status == 2:
            print("ws is closed")
            ws.close()
            # pcm2wav(r"./demo.pcm",r"./demo.wav")
        if code != 0:
            errMsg = message["message"]
            print("sid:%s call error:%s code is:%s" % (sid, errMsg, code))
        else:

            with open('./demo.pcm', 'ab') as f:
                f.write(audio)
                pcm2wav('./demo.pcm','./demo.wav')

    except Exception as e:
        print("receive msg,but parse exception:", e)



# 收到websocket错误的处理
def on_error(ws, error):
    print("### error:", error)


# 收到websocket关闭的处理
def on_close(ws):
    print("### closed ###")


# 收到websocket连接建立的处理
def on_open(ws):
    def run(*args):
        d = {"common": wsParam.CommonArgs,
             "business": wsParam.BusinessArgs,
             "data": wsParam.Data,
             }
        d = json.dumps(d)
        print(r"------>begin send")
        ws.send(d)
        if os.path.exists('./demo.pcm'):
            os.remove('./demo.pcm')

    thread.start_new_thread(run, ())

def wav2pcm(wavfile, pcmfile, data_type=np.int16):
    f = open(wavfile, "rb")
    f.seek(0)
    f.read(44)
    data = np.fromfile(f, dtype= data_type)
    data.tofile(pcmfile)


def pcm2wav(pcm_file, wav_file, channels=1, bits=16, sample_rate=16000):
    pcmf = open(pcm_file, 'rb')
    pcmdata = pcmf.read()
    pcmf.close()
 
    if bits % 8 != 0:
        raise ValueError("bits % 8 must == 0. now bits:" + str(bits))
 
    wavfile = wave.open(wav_file, 'wb')
    wavfile.setnchannels(channels)
    wavfile.setsampwidth(bits // 8)
    wavfile.setframerate(sample_rate)
    wavfile.writeframes(pcmdata)
    wavfile.close()


import sys
from PyQt5.QtWidgets import (QWidget, QToolTip, QDesktopWidget, QMessageBox,QTextEdit,QLabel,
    QPushButton, QApplication,QMainWindow, QAction, qApp, QHBoxLayout, QVBoxLayout,QGridLayout,
    QLineEdit)
from PyQt5.QtGui import QFont,QIcon
from PyQt5.QtCore import QCoreApplication
 
 
# ##***pcm转换***## #
import wave
def pcm2wav(pcm_file, wav_file, channels=1, bits=16, sample_rate=16000):
    pcmf = open(pcm_file, 'rb')
    pcmdata = pcmf.read()
    pcmf.close()
 
    if bits % 8 != 0:
        raise ValueError("bits % 8 must == 0. now bits:" + str(bits))
 
    wavfile = wave.open(wav_file, 'wb')
    wavfile.setnchannels(channels)
    wavfile.setsampwidth(bits // 8)
    wavfile.setframerate(sample_rate)
    wavfile.writeframes(pcmdata)
    wavfile.close()
    
# ##***应用图标***## #
class App(QWidget):
    def __init__(self):
        super().__init__()
        self.initUI()
 
    def initUI(self):
        APPID = QLabel('APPID')
        APISecret = QLabel('APISecret')
        APIKey = QLabel('APIKey')
        review = QLabel('Review')
 
        self.APPIDEdit = QTextEdit()
        self.APISecretEdit = QTextEdit()
        self.APIKeyEdit = QTextEdit()
        self.reviewEdit = QTextEdit()
 
        grid = QGridLayout()
        grid.setSpacing(5) # 创建了一个网格布局并且设置了组件之间的间距。
 
        grid.addWidget(APPID, 1, 0)
        grid.addWidget(self.APPIDEdit, 1, 1,3,1)
 
        grid.addWidget(APISecret, 2, 0)
        grid.addWidget(self.APISecretEdit, 2, 1,3,1)

        grid.addWidget(APIKey, 3, 0)
        grid.addWidget(self.APIKeyEdit, 3, 1,3,1)
        
        grid.addWidget(review, 4, 0)
        grid.addWidget(self.reviewEdit, 4, 1, 5, 1) # 如果我们向网格布局中增加一个组件，我们可以提供组件的跨行
        # 和跨列参数。在这个例子中，我们让reviewEdit组件跨了5行。
 
        self.setLayout(grid)
 
        QToolTip.setFont(QFont('SansSerif', 10))  # 这个静态方法设置了用于提示框的字体。
       
        trans1 = QPushButton('文字转换语音pcm', self)  # 创建按钮
        trans1.setToolTip('<b>文字转语音，文件会保存在软件当前目录下demo.pcm</b>')  # 设置按钮提示框
        trans1.resize(trans1.sizeHint())  # 改变按钮大小
        trans1.move(350, 450)  # 移动按钮位置
        
        trans2 = QPushButton('pcm转换wav', self)  # 创建按钮
        trans2.setToolTip('<b>将当前目录下demo.pcm转换为demo.wav</b>')  # 设置按钮提示框
        trans2.resize(trans2.sizeHint())  # 改变按钮大小
        trans2.move(250, 450)  # 移动按钮位置
        
        trans1.clicked.connect(self.buttonClicked)
        trans2.clicked.connect(self.buttonClicked)
        
        qbtn = QPushButton('Quit', self)  # 创建了一个按钮。按钮是一个QPushButton类的实例。
        # 构造方法的第一个参数是显示在button上的标签文本。第二个参数是父组件。
        # 父组件是Example组件，它继承了QWiget类。
        qbtn.clicked.connect(QCoreApplication.instance().quit)
        qbtn.resize(qbtn.sizeHint())
        qbtn.move(500, 50)
        
        
        self.resize(500, 500) 
        self.center()
        self.setWindowTitle('TTS_WS') # 创建一个窗口标题
        self.setWindowIcon(QIcon('./TTS.jfif')) # 创建一个QIcon对象并接收一个我们要显示的图片路径作为参数。
        self.show()
        
    def buttonClicked(self):
        sender = self.sender()
        print("sendr:"+sender.text())
        if(sender.text()=="文字转换语音pcm"):
            print("trans1:")
            print(self.reviewEdit.toPlainText())
            
            global wsParam
            # wsParam.Text = self.reviewEdit.toPlainText()
            # wsParam.APPID = self.APPIDEdit.toPlainText()
            # wsParam.APISecret = self.APISecretEdit.toPlainText()
            # wsParam.APIKey = self.APIKeyEdit.toPlainText()
            wsParam = Ws_Param(APPID=self.APPIDEdit.toPlainText(), APISecret=self.APISecretEdit.toPlainText()
                               ,APIKey=self.APIKeyEdit.toPlainText(),Text=self.reviewEdit.toPlainText())
            print(wsParam.APPID)
            print(wsParam.APISecret)
            print(wsParam.APIKey)
            print(wsParam.Text)
            websocket.enableTrace(False)
            wsUrl = wsParam.create_url()
            ws = websocket.WebSocketApp(wsUrl, on_message=on_message, on_error=on_error, on_close=on_close)
            ws.on_open = on_open
            ws.run_forever(sslopt={"cert_reqs": ssl.CERT_NONE})
        else:
            print("trans2:")
            pcm2wav('./demo.pcm','./demo.wav')
            
    def closeEvent(self, event):
     
        reply = QMessageBox.question(self, 'Message',
                                     "Are you sure to quit?", QMessageBox.Yes |
                                     QMessageBox.No, QMessageBox.No)
        if reply == QMessageBox.Yes:
            event.accept()
        else:
            event.ignore()
            
    def center(self):
        qr = self.frameGeometry() # 获得主窗口的一个矩形特定几何图形。这包含了窗口的框架。
        cp = QDesktopWidget().availableGeometry().center() # 算出相对于显示器的绝对值。
        # 并且从这个绝对值中，我们获得了屏幕中心点。
        qr.moveCenter(cp) # 矩形已经设置好了它的宽和高。现在我们把矩形的中心设置到屏幕的中间去。
        # 矩形的大小并不会改变。
        self.move(qr.topLeft()) # 移动了应用窗口的左上方的点到qr矩形的左上方的点，因此居中显示在我们的屏幕上。
 
if __name__ == '__main__':
    # wsParam = Ws_Param(APPID='', APISecret='',APIKey='',Text='')
    wsParam = Ws_Param(APPID='', APISecret='',APIKey='',Text='')
    app = QApplication(sys.argv)
    ex = App()
    sys.exit(app.exec_())
 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308

解释

文本转语音 部分，与官网给出的 python 接口调用demo 相差无几，但是由于接收到的是 pcm 文件，无法直接播放，所以增加了 pcm 转 wav 部分：

on_message 部分改动：

def on_message(ws, message):
    try:
        message =json.loads(message)
        code = message["code"]
        sid = message["sid"]
        audio = message["data"]["audio"]
        audio = base64.b64decode(audio)
        status = message["data"]["status"]
        print(message)
        if status == 2:
            print("ws is closed")
            ws.close()
            # pcm2wav(r"./demo.pcm",r"./demo.wav")
        if code != 0:
            errMsg = message["message"]
            print("sid:%s call error:%s code is:%s" % (sid, errMsg, code))
        else:

            with open('./demo.pcm', 'ab') as f:
                f.write(audio)
                pcm2wav('./demo.pcm','./demo.wav') #增加改动

    except Exception as e:
        print("receive msg,but parse exception:", e) 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

pcm2wav 实现：

def pcm2wav(pcm_file, wav_file, channels=1, bits=16, sample_rate=16000):
    pcmf = open(pcm_file, 'rb')
    pcmdata = pcmf.read()
    pcmf.close()
 
    if bits % 8 != 0:
        raise ValueError("bits % 8 must == 0. now bits:" + str(bits))
 
    wavfile = wave.open(wav_file, 'wb')
    wavfile.setnchannels(channels)
    wavfile.setsampwidth(bits // 8)
    wavfile.setframerate(sample_rate)
    wavfile.writeframes(pcmdata)
    wavfile.close()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

然后就是 QT 部分：（里面多了个 pcm转wav 按钮，写多了，当时写懵了）
QT 部分源码就不贴了，上面有，大致流程就是 initUI 初始化界面组件，组件以一个纵向网络布局分布；然后四个 QTextEdit 组件，分别带 Lable，（三个都是写密钥的，一个写转换文本），之后是 QPushButton 按钮，通过 ${Button}.clicked.connect(self.buttonClicked) 触发，触发时通过识别 sender.text() ，也就是按钮名字，来区分按钮，调用函数。

缺陷

没有写报错机制，没有写接口调用过程的提示，同时肯定也有bug，这里就草草了事。

打包

这里打包用的是 pyinstaller，用 pip 可以直接安装

pyinstaller -F -w ./test.py
1

---

只用于记录一下，打过的代码，啊哈哈。有问题，欢迎一起讨论。