当前位置：首页 > news >正文

开源 python 应用开发（十三）AI应用--百度智能云TTS语音合成

news 2025/8/27 6:19:00

最近有个项目需要做视觉自动化处理的工具，最后选用的软件为python，刚好这个机会进行系统学习。短时间学习，需要快速开发，所以记录要点步骤，防止忘记。

链接：

开源 python 应用开发（一）python、pip、pyAutogui、python opencv安装-CSDN博客

开源 python 应用开发（二）基于pyautogui、open cv 视觉识别的工具自动化-CSDN博客

开源 python 应用开发（三）python语法介绍-CSDN博客

开源 python 应用开发（四）python文件和系统综合应用-CSDN博客

开源 python 应用开发（五）python opencv之目标检测-CSDN博客

开源 python 应用开发（六）网络爬虫-CSDN博客

开源 python 应用开发（七）数据可视化-CSDN博客

开源 python 应用开发（八）图片比对-CSDN博客

开源 python 应用开发（九）目标跟踪-CSDN博客

开源 python 应用开发（十）音频压缩-CSDN博客

开源 python 应用开发（十一）AI应用--百度智能云ASR短语音转文本-CSDN博客

开源 python 应用开发（十二）AI应用--百度智能云Agent聊天-CSDN博客

开源 python 应用开发（十三）AI应用--百度智能云TTS语音合成-CSDN博客

推荐链接：

开源 Arkts 鸿蒙应用开发（一）工程文件分析-CSDN博客

开源 Arkts 鸿蒙应用开发（二）封装库.har制作和应用-CSDN博客

开源 Arkts 鸿蒙应用开发（三）Arkts的介绍-CSDN博客

开源 Arkts 鸿蒙应用开发（四）布局和常用控件-CSDN博客

开源 Arkts 鸿蒙应用开发（五）控件组成和复杂控件-CSDN博客

推荐链接：

开源 java android app 开发（一）开发环境的搭建-CSDN博客

开源 java android app 开发（二）工程文件结构-CSDN博客

开源 java android app 开发（三）GUI界面布局和常用组件-CSDN博客

开源 java android app 开发（四）GUI界面重要组件-CSDN博客

开源 java android app 开发（五）文件和数据库存储-CSDN博客

开源 java android app 开发（六）多媒体使用-CSDN博客

开源 java android app 开发（七）通讯之Tcp和Http-CSDN博客

开源 java android app 开发（八）通讯之Mqtt和Ble-CSDN博客

开源 java android app 开发（九）后台之线程和服务-CSDN博客

开源 java android app 开发（十）广播机制-CSDN博客

开源 java android app 开发（十一）调试、发布-CSDN博客

开源 java android app 开发（十二）封库.aar-CSDN博客

推荐链接：

开源C# .net mvc 开发（一）WEB搭建_c#部署web程序-CSDN博客

开源 C# .net mvc 开发（二）网站快速搭建_c#网站开发-CSDN博客

开源 C# .net mvc 开发（三）WEB内外网访问(VS发布、IIS配置网站、花生壳外网穿刺访问)_c# mvc 域名下不可訪問內網,內網下可以訪問域名-CSDN博客

开源 C# .net mvc 开发（四）工程结构、页面提交以及显示_c#工程结构-CSDN博客

开源 C# .net mvc 开发（五）常用代码快速开发_c# mvc开发-CSDN博客

本章内容为使用百度智能云将文本合成为语音的方法，其中多种速度语调等多种参数可以设置。

一、主要内容

使用使用百度语音合成API将文本转换为语音的Python程序。

二、API Key 和 Secret Key获取

进入百度智能云 -> 选择语音合成标准版 -> 选择开通付费，默认赠送10小时流量，不购买资源

-> 实名认证后获得,api key 和 secret key

在以下页面可以查看API Key 和 Secret Key

三、源代码分析

主要功能
文本转语音：将中文文本转换为wav格式的音频文件

API认证：通过百度API获取访问令牌

音频保存：将合成的音频保存为本地文件

代码结构分析
1. 导入模块
python
import requests # 用于发送HTTP请求
import urllib.parse # 用于URL编码
2. 全局变量
python
API_KEY = "" # 需要填写的百度API Key
SECRET_KEY = "" # 需要填写的百度Secret Key
3. 主函数 main()
设置API端点：https://tsn.baidu.com/text2audio

准备待转换的文本并进行URL编码

构建请求参数，包括语速、音调、音量等设置

发送POST请求获取音频数据

保存音频文件为output.wav

4. 认证函数 get_access_token()
调用百度OAuth接口获取访问令牌

使用client_credentials授权模式

返回access_token用于后续API调用

参数说明
tex: URL编码后的文本

tok: 访问令牌

cuid: 用户唯一标识

ctp: 客户端类型（1为web）

lan: 语言（zh为中文）

spd: 语速（0-15，5为适中）

pit: 音调（0-15，5为适中）

vol: 音量（0-15，5为适中）

per: 发音人（0为默认女声）

aue: 音频格式（6为mp3）

以下为源码：

import requests
import urllib.parseAPI_KEY = "***"
SECRET_KEY = "***"def main():try:url = "https://tsn.baidu.com/text2audio"# 准备文本并编码text = "这是一段测试代码啊，百度云也能听清楚我讲的是什么吗？"encoded_text = urllib.parse.quote(text)# 构建请求参数params = {'tex': encoded_text,'tok': get_access_token(),'cuid': 'cmClbqGBAL3Mi8RSdREgdAl1uRJJXbZG','ctp': 1,'lan': 'zh','spd': 5,  # 调整为适中语速'pit': 5,  # 调整为适中音调'vol': 5,  # 调整为适中音量'per': 0,  # 使用默认发音人'aue': 6   # mp3格式}headers = {'Content-Type': 'application/x-www-form-urlencoded','Accept': 'audio/mp3'}# 发送请求response = requests.post(url, data=params, headers=headers)# 检查响应if response.status_code == 200:# 保存音频文件with open('output.wav', 'wb') as f:f.write(response.content)print("语音合成成功，已保存为 output.wav")else:print(f"请求失败，状态码: {response.status_code}")print(f"错误信息: {response.text}")except Exception as e:print(f"程序执行出错: {e}")def get_access_token():"""获取百度API访问令牌"""try:url = "https://aip.baidubce.com/oauth/2.0/token"params = {"grant_type": "client_credentials", "client_id": API_KEY, "client_secret": SECRET_KEY}response = requests.post(url, params=params)response.raise_for_status()token = response.json().get("access_token")if not token:raise ValueError("未能获取到access_token")return tokenexcept Exception as e:print(f"获取access_token失败: {e}")return Noneif __name__ == '__main__':main()

三、效果演示

将录音文件test.wav文件放到和python文件同一个目录，运行效果如下，生产了16K频率的音频文件。