README.md 2.8KB

12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455
  1. ## 说明
  2. 百度语音识别与合成参数说明
  3. 百度语音依赖,经常会出现问题,可能就是缺少依赖:
  4. pip install baidu-aip
  5. pip install pydub
  6. pip install pysilk
  7. 还有ffmpeg,不同系统安装方式不同
  8. 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
  9. 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
  10. 这些事情都在audio_convert.py中封装了,直接调用即可
  11. 参数说明
  12. 识别参数
  13. https://ai.baidu.com/ai-doc/SPEECH/Vk38lxily
  14. 合成参数
  15. https://ai.baidu.com/ai-doc/SPEECH/Gk38y8lzk
  16. ## 使用说明
  17. 分两个地方配置
  18. 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。
  19. 参数 可需 描述
  20. app_id 必填 应用的APPID
  21. api_key 必填 应用的APIKey
  22. secret_key 必填 应用的SecretKey
  23. dev_pid 必填 语言选择,填写语言对应的dev_pid值
  24. 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。
  25. 参数 可需 描述
  26. 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
  27. 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
  28. spd 选填 语速,取值0-15,默认为5中语速
  29. pit 选填 音调,取值0-15,默认为5中语调
  30. 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)
  31. 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
  32. 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
  33. 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。
  34. 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。
  35. ### 配置文件
  36. 将文件夹中`config.json.template`复制为`config.json`。
  37. ``` json
  38. {
  39. "lang": "zh",
  40. "ctp": 1,
  41. "spd": 5,
  42. "pit": 5,
  43. "vol": 5,
  44. "per": 0
  45. }
  46. ```