如何用腾讯云AI语音开一场讨论会？

原创

walli

修改于 2024-06-30 11:00:12

920

修改于 2024-06-30 11:00:12

准备工作

习惯性的一上来的就去看API文档，果然不出所料，对于所有TTS服务来说一定是有一大堆的参数选择，比如语速、音量、音色等等，对于有选择困难症的我来说，这个事真的很头大，想选择一个适合自己场景的声音真的太难了，尤其我还得选好几个声音，期望未来能够更智能吧。但腾讯云贴心的为我们准备了试听功能，免去了我不断修改参数，不断Run的烦恼。

嚯，试听覆盖的范围还是相当全面的，场景覆盖了通用、客服、外语、方言等，男女各类音色也是相当的齐全，基本不用自己调接口去做试听了。话不多说，直接开听，恍惚间也不知道听了多少种，最后选定了三种（因为在这场讨论会上有三个角色参加），采用“爱小柯-低沉慵懒小哥中性情感情感程度180% 语速+0.7 音量10”来作为本场主持人的音频，正方的人物设定是一个川妹子，所以选择方言里面的“智川-四川辣妹子”来作为本场讨论会的正方音频，反方的人物设定是一个大学男教授，所以选择阅读里面的“智靖-深情大叔”来作为本场讨论会的反方音频。

最难搞的部分搞定，接下来就是按照文档说明开始Gen。

语音合成

首先，进入语音合成工作台（https://console.cloud.tencent.com/tts）开通TTS功能。

然后，进入语音合成资源包界面（https://console.cloud.tencent.com/tts/resourcebundle）领取免费的资源包（800万字符，三个月内有效）。

最后，来到API Explorer测试一下接口是否可用：

正确返回了Audio，说明功能开通没有问题啦，如果报错，看看对应的错误信息。

功能没问题，咱们就可以开始Coding（Copy）了

Copy一下API Explorer中的代码，本人是Python环境，擅长使用SDK，所以先安装腾讯云python-sdk

pip install tencentcloud-sdk-python

Copy后的代码，长这样：

try:
    # 实例化一个认证对象，入参需要传入腾讯云账户 SecretId 和 SecretKey，此处还需注意密钥对的保密
    # 代码泄露可能会导致 SecretId 和 SecretKey 泄露，并威胁账号下所有资源的安全性。以下代码示例仅供参考，建议采用更安全的方式来使用密钥，请参见：https://cloud.tencent.com/document/product/1278/85305
    # 密钥可前往官网控制台 https://console.cloud.tencent.com/cam/capi 进行获取
    cred = credential.Credential("SecretId", "SecretKey")
    # 实例化一个http选项，可选的，没有特殊需求可以跳过
    httpProfile = HttpProfile()
    httpProfile.endpoint = "tts.tencentcloudapi.com"

    # 实例化一个client选项，可选的，没有特殊需求可以跳过
    clientProfile = ClientProfile()
    clientProfile.httpProfile = httpProfile
    # 实例化要请求产品的client对象,clientProfile是可选的
    client = tts_client.TtsClient(cred, "ap-shanghai", clientProfile)

    # 实例化一个请求对象,每个接口都会对应一个request对象
    req = models.TextToVoiceRequest()
    params = {
        "Text": "你好",
        "SessionId": "ss-1",
        "Volume": 10,
        "Speed": 2.1,
        "VoiceType": 301036,
        "EmotionCategory": "neutral",
        "EmotionIntensity": 180
    }
    req.from_json_string(json.dumps(params))

    # 返回的resp是一个TextToVoiceResponse的实例，与请求对象对应
    resp = client.TextToVoice(req)
    # 输出json格式的字符串回包
    print(resp.to_json_string())

把SecretId和SecretKey替换成自己的值，Run就可以了。

返回的Audio值是一个base64编码的wav/mp3音频数据，所以我们代码稍作改动，输出到音频文件中，方便上传播放。

    resp = client.TextToVoice(req)
    # 输出json格式的字符串回包
    # print(resp.Audio)
    file_path = "output_audio.wav"
    audio_data = base64.b64decode(resp.Audio)
    with open(file_path, 'wb') as file:
        file.write(audio_data)

至此，音频合成任务就完成啦~