今天带来的是百度AI的一个语音合成接口，它的主要功能是将接收到的文本内容，转换为音频数据返回。

我实现的大致流程为：

1 - 爬取小说文本内容(本篇不涉及)

2 - 调用百度AI语音合成接口，将文本内容转换为音频数据，并保存到本地文件夹

3 - 获取该文件夹内的文件名

4 - 将所有音频文件合并为一个output音频文件

使用工具：python环境、aip(百度AI)、pydub、os

环境准备：

1. 百度AI语音合成接口的应用创建

- 百度AI官网地址：https://ai.baidu.com/

- 使用语音合成

- 领取免费试用权益

- 创建语音合成应用

2. 在你的python环境中安装第三方库

- 安装百度AI的一个python库 -- aip：pip install baidu-aip

- 安装合并音频文件时，需要用到的库 -- pydub：pip instal pydub

- 下载安装pydub所需要软件依赖 -- FFMPEG官网

我也放到了我的百度云 -- FFMPEG
(链接：https://pan.baidu.com/s/1nfBh4gUJGV-VwOCakBndEQ 提取码：8175)

- 安装FFMPEG后，将FFMPEG的 bin 目录加入系统的环境变量

源码讲解环节

好的，环境都准备好后，下面就是喜闻乐见的源码讲解环节了（´◔౪◔）

百度AI语音合成-小说文字转音频.py

from aip import AipSpeech


""" 你的 APPID AK SK """
APP_ID = ''             # 你的APPID
API_KEY = ''            # 你的API_KEY
SECRET_KEY = ''         # 你的SECRET_KEY

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)


with open('1.txt', 'r', encoding='utf-8')as file:
    flag = 0
    while True:
        flag += 1
        string = file.read(1023)
        if not string:
            break
        # string为需要转化的文字，但最大长度需要小于1024个字节，且编码需要为utf-8
        result = client.synthesis(string, 'zh', 1, {
            'vol': 7,    #音量，取值0-15，默认为5中音量
            'spd': 4,    #语速，取值0-9，默认为5中语速
            'pit': 7,    #音调，取值0-9，默认为5中语调
            'per': 1,    #发声人，0为女声，1为男声，3为情感合成-度逍遥，4为情感合成-度丫丫，默认为普通女
        })

        # 识别正确返回语音二进制 错误则返回dict 参照下面错误码
        if not isinstance(result, dict):
            with open(r'video/{}.mp3'.format(str(flag)), 'wb') as f:
                f.write(result)
                print('第{}段已转化完成....'.format(flag))


# // 成功返回二进制文件流
# // 失败返回
# {
#     "err_no":500,
#     "err_msg":"notsupport.",
#     "sn":"abcdefgh",
#     "idx":1
# }

音频拼接.py

from pydub import AudioSegment
import zzzzzz常用方法.获取文件夹下的所有文件名 as a

# 路径
root_files_list = a.file_name(r"F:\桌面\6-python车间\029-百度AI语音合成-小说文字转音频\video")
print(root_files_list)

files_list = []
for i,j in root_files_list.items():
    # print(i)      # .\\video\\
    # print(j)      # ['1.mp3', '2.mp3', '3.mp3']
    for k in j:
        files_list.append(i + '\\' + k)

print(files_list)

# locals() 函数会以字典类型返回当前位置的全部局部变量,相当于就是存放所有变量的表吧，我们可以在这个表里面创建一个字典的key，然后再把他声明为对象
prepare_data = locals()

# 但这里如果导入的文件名有不是mp3后缀的，则会报错，测试时应保证仅有需要拼接的mp3，或者在前面文件名获取的模块进行过滤

# 使用AudioSegment时，需要先设置好ffmpeg的环境变量
output_music = 0
for i in range(len(files_list)):
    prepare_data['input_music_' + str(i)] = AudioSegment.from_mp3(files_list[i])
    output_music += prepare_data['input_music_' + str(i)]

output_music.export(".\\output_video\\output_music.mp3", format="mp3")

获取文件夹下的所有文件名.py

import os
def file_name(file_dir):
    # files_list = []
    root_files_list = {}
    for root, dirs, files in os.walk(file_dir):
        #print(root)  # 当前目录路径
        #print(dirs)  # 当前路径下所有子目录
        #print(files)  # 当前路径下所有非目录子文件
        root_files_list['{}'.format(root)] = files
    #返回地址与地址所对应的非目录子文件关系的字典
    return root_files_list
    # 类似于：{'F:\\桌面\\6-python车间\\029-百度AI语音合成-小说文字转音频\\video': ['1.mp3', '2.mp3', '3.mp3']}

效果展示

那么本次的分享就到这里了，喜欢的话麻烦点赞关注一下；不喜欢的话可以去看下小编的其他文章，肯定有喜欢的；都不喜欢的话可以点个关注，万一以后有喜欢的呢(๑•̀ㅂ•́)و✧