|
12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455 |
- ## 说明
- 百度语音识别与合成参数说明
- 百度语音依赖，经常会出现问题，可能就是缺少依赖：
- pip install baidu-aip
- pip install pydub
- pip install pysilk
- 还有ffmpeg，不同系统安装方式不同
-
- 系统中收到的语音文件为mp3格式（wx）或者sil格式（wxy），如果要识别需要转换为pcm格式，转换后的文件为16k采样率，单声道，16bit的pcm文件
- 发送时又需要（wx）转换为mp3格式，转换后的文件为16k采样率，单声道，16bit的pcm文件,（wxy）转换为sil格式,还要计算声音长度，发送时需要带上声音长度
- 这些事情都在audio_convert.py中封装了，直接调用即可
-
-
- 参数说明
- 识别参数
- https://ai.baidu.com/ai-doc/SPEECH/Vk38lxily
- 合成参数
- https://ai.baidu.com/ai-doc/SPEECH/Gk38y8lzk
-
- ## 使用说明
- 分两个地方配置
-
- 1、对于def voiceToText(self, filename)函数中调用的百度语音识别API,中接口调用asr（参数）这个配置见CHATGPT-ON-WECHAT工程目录下的`config.json`文件和config.py文件。
- 参数 可需 描述
- app_id 必填 应用的APPID
- api_key 必填 应用的APIKey
- secret_key 必填 应用的SecretKey
- dev_pid 必填 语言选择,填写语言对应的dev_pid值
-
- 2、对于def textToVoice(self, text)函数中调用的百度语音合成API,中接口调用synthesis（参数）在本目录下的`config.json`文件中进行配置。
- 参数 可需 描述
- tex 必填 合成的文本，使用UTF-8编码，请注意文本长度必须小于1024字节
- lan 必填 固定值zh。语言选择,目前只有中英文混合模式，填写固定值zh
- spd 选填 语速，取值0-15，默认为5中语速
- pit 选填 音调，取值0-15，默认为5中语调
- vol 选填 音量，取值0-15，默认为5中音量（取值为0时为音量最小值，并非为无声）
- per（基础音库） 选填 度小宇=1，度小美=0，度逍遥（基础）=3，度丫丫=4
- per（精品音库） 选填 度逍遥（精品）=5003，度小鹿=5118，度博文=106，度小童=110，度小萌=111，度米朵=103，度小娇=5
- aue 选填 3为mp3格式(默认)； 4为pcm-16k；5为pcm-8k；6为wav（内容同pcm-16k）; 注意aue=4或者6是语音识别要求的格式，但是音频内容不是语音识别要求的自然人发音，所以识别效果会受影响。
-
- 关于per参数的说明，注意您购买的哪个音库，就填写哪个音库的参数，否则会报错。如果您购买的是基础音库，那么per参数只能填写0到4，如果您购买的是精品音库，那么per参数只能填写5003，5118，106,110,111,103,5其他的都会报错。
- ### 配置文件
-
- 将文件夹中`config.json.template`复制为`config.json`。
-
- ``` json
- {
- "lang": "zh",
- "ctp": 1,
- "spd": 5,
- "pit": 5,
- "vol": 5,
- "per": 0
- }
- ```
|
