离线语音交互技术路线之语音合成(TTS)篇
在ChatGPT大行其道之际,我心血来潮想要研究研究如何实现离线语音交互,把它和ChatGPT相结合,自己尝试实现个语音助手玩玩。本篇文章主要先从整体上分析了离线语音交互的技术实现路线,以及每个环节可能用到的参考技术,然后详细阐述了其中一个环节:语音合成(TTS)的实现方案。
1. 离线语音交互技术路线
如图所示,离线语音交互主要由以下几个流程组成:
- 关键词唤醒:类似于“小爱同学”这样的唤醒指令,可用参考技术:Snowboy;
- 获取语音:通过麦克风等收音设备将声音记录为音频文件或数字信号,可用参考技术:speech_recognition;
- 语音识别(ASR):将音频转换为文本,可用参考技术:Speechbrain;
- 语义识别(NLP):将人类能够理解的文本转化为计算机可以理解的数据,可用参考技术:NNLM等各类NLP模型;
- 应用层:可以通过理解指令控制设备(例如智能家居),或与chatbot(例如ChatGPT)进行交流
- 语音合成(TTS):将文本合成为人类语音(例如导航APP中的人声合成),可用参考技术:pyttsx3。
2. 语音合成(TTS)的实现方案
pyttsx3能够实现将文本合成为人类语音(例如导航APP中的人声合成),详见 pyttsx3官方技术文档 。
简单测试:
import pyttsx3
text = """
这是一段测试文本。
"""
pyttsx3.speak(text)
详细使用例程:
import pyttsx3
text = """
这是一段测试文本。
"""
engine = pyttsx3.init() # 初始化语音引擎
# 设置语音合成器
voices = engine.getProperty('voices') # 获取当前设备支持的语音合成器列表
engine.setProperty('voice',voices[0].id) # 设置第一个语音合成器
# 设置语速
rate = engine.getProperty('rate') # 获取当前语速
engine.setProperty('rate', 200) # 设置语速
# 设置音量
volume = engine.getProperty('volume') # 获取当前音量
engine.setProperty('volume',1.0) # 设置音量,范围为0.0-1.0 默认值为1.0engine.say(text) # 合成语音
engine.save_to_file(text,'test.mp3') # 保存语音为音频文件
engine.runAndWait()
engine.stop() # 关闭语言引擎
离线语音交互技术路线之语音合成(TTS)篇相关推荐
- uni-app实现PDA的离线语音(一)设置TTS
一.开发背景 最近在开发PDA的语音的需求的时候,因为PDA项目为了实现多端的兼容,我使用的uni-app开发的,开始使用的百度免费的在线语音功能,结果要部署到专网环境,咨询了常用的讯飞语音和百度语音 ...
- 基于GAN的语音转换技术及语音合成TTS
https://www.toutiao.com/a6714089773171999244/ 介绍 到目前为止,我主要致力于生成人物的图像(或视频),但我希望他们一旦在屏幕上可见就会用对应的声音说话.所 ...
- C#调用科大讯飞离线语音合成TTS
原作者勿怪,未经允许就转载了,感谢万分. http://www.cnblogs.com/xuguanghui/p/4505555.html ------------------------------ ...
- android离线语音开发,Android应用开发之Android 云之声离线语音合成
本文将带你了解Android应用开发之Android 云之声离线语音合成,希望本文对大家学Android有所帮助. 离线语音解析 public class SpeechUtilOffline impl ...
- 【Android语音合成TTS】百度语音接入方法,和使用技巧详解
请尊重他人的劳动成果,转载请注明出处:[Android语音合成TTS]百度语音接入方法,和使用技巧详解 Ps. 依托于百度开放云,百度语音为合作伙伴提供了业界领先.永久免费的语音技术服务,目前已上线的 ...
- 讯飞文本转语音(语音合成TTS)中添加控制静音和停顿方法
讯飞的文本转语音和语音合成TTS中,用标点符号.回车换行可以实现一定的停顿效果.如果想要更长时间的静音或停顿怎么办? 插入停顿 这里有个特殊的标记实现静音或停顿,在文字中需要停顿的地方加入 [p100 ...
- 嵌入式端音频开发(Unisound篇)之 7.1 蜂鸟M离线语音芯片简介
这里的Unisound就是云知声啦,一家很棒的人工智能公司.下面的开发案例都是基于芯片蜂鸟M的的标准硬件板. 如果是行业的小伙伴肯定都知道这家公司了: 云知声总部位于北京,在上海.深圳.厦门设有全资子 ...
- 智能语音交互技术在360的落地实践
作者:龚小春,来自:DataFun 导读:随着语音交互技术的发展,对话系统已经越来越成熟.对话系统的最新进展绝大多数是由深度学习技术所贡献的,深度学习技术可以通过利用大规模数据来学习有意义的特征表示和 ...
- 语音合成第一篇-入门
定义 文本转语音,又称语音合成(Speech Sysnthesis),指的是将一段文本按照一定需求转化成对应的音频,这种特性决定了的输出数据比输入长得多.文本转语音是一项包含了语义学.声学.数字信号处 ...
最新文章
- css cursor 常用值
- java date 操作类_JAVA时间操作类常用方法汇总
- Python中Function(函数)和method(方法)
- np.radians_带有Python示例的math.radians()方法
- element布局容器大小_Flutter完整开发实战详解(十六、详解自定义布局实战)
- Petal Search is currently only available
- 如果一栋楼起火谁赔偿_电动车起火,楼上25人被困,万宁一居民楼发生惊险一幕...
- python提取列表中文本_Python正则表达式:从文本文件中提取关键字后的元组列表...
- LongAdder源码分析
- 线性支持向量分类机及其实现
- 神奇软件:良心浏览器 纯净无捆绑,还有亿点点好用360极速浏览器X
- 表格,表单,文本域,下拉框,单选框,复选框,按钮
- QT 打开PDF文件或图片
- 计算机-库win10,Win10如何在资源管理器中显示“库”
- 【WEB】web www http html hypermedia hypertext 技术名词的意思
- 笔记丨利用gitee创建个人博客网站
- 仰望星空,脚踏实地——吴燕生
- BTT6030芯片手册
- uefi装完系统后无法引导_uefi装win7启动不了怎么解决?
- 莫纳什大学FIT1043 assignment2课业解析