aspeak

Aspeak

Klien teks-ke-speech sederhana untuk Azure TTS API. ?

Catatan

Mulai dari versi 6.0.0, aspeak secara default menggunakan API RESTful Azure TTS. Jika Anda ingin menggunakan API WebSocket, Anda dapat menentukan --mode websocket saat memanggil aspeak atau Set mode = "websocket" di bagian auth profil Anda.

Mulai dari versi 4.0.0, aspeak ditulis ulang dalam karat. Versi Python lama tersedia di cabang python .

Anda dapat mendaftar untuk akun Azure dan kemudian memilih paket pembayaran sesuai kebutuhan (atau tetap pada tingkat gratis). Tingkat gratis mencakup kuota 0,5 juta karakter per bulan, gratis.

Silakan merujuk ke bagian otentikasi untuk mempelajari cara mengatur otentikasi untuk Aspeak.

Instalasi

Unduh dari Rilis GitHub (direkomendasikan untuk sebagian besar pengguna)

Unduh rilis terbaru dari sini.

Setelah mengunduh, ekstrak arsip dan Anda akan mendapatkan file yang dapat dieksekusi biner.

Anda dapat meletakkannya di direktori yang ada di variabel lingkungan PATH Anda sehingga Anda dapat menjalankannya dari mana saja.

Instal dari AUR (disarankan untuk pengguna Arch Linux)

Dari v4.1.0, Anda dapat menginstal aspeak-bin dari AUR.

Instal dari PYPI

Menginstal dari PYPI juga akan menginstal pengikatan Python aspeak untuk Anda. Periksa Penggunaan Perpustakaan#Python untuk informasi lebih lanjut tentang penggunaan ikatan Python.

pip install -U aspeak==6.0.0

Sekarang roda prebuilt hanya tersedia untuk arsitektur x86_64. Karena beberapa masalah teknis, saya belum mengunggah distribusi sumber ke PYPI. Jadi untuk membangun roda dari sumber, Anda harus mengikuti instruksi di instal dari sumber.

Karena banyak masalah kompatibilitas, roda untuk Linux tidak tersedia di PYPI. (Tapi Anda masih bisa membangunnya dari sumber.)

Instal dari sumber

CLI saja

Cara termudah untuk menginstal aspeak dari sumber adalah dengan menggunakan kargo:

cargo install aspeak -F binary

Atau, Anda juga dapat menginstal aspeak dari AUR.

Roda Python

Untuk membangun roda python, Anda harus memasang maturin terlebih dahulu:

pip install maturin

Setelah mengkloning repositori dan cd ke dalam direktori, Anda dapat membangun roda dengan menjalankan:

maturin build --release --strip -F python --bindings pyo3 --interpreter python --manifest-path Cargo.toml --out dist-pyo3
maturin build --release --strip --bindings bin -F binary --interpreter python --manifest-path Cargo.toml --out dist-bin
bash merge-wheel.bash

Jika semuanya berjalan dengan baik, Anda akan mendapatkan file roda di direktori dist .

Penggunaan

Jalankan aspeak help untuk melihat pesan bantuan.

Jalankan aspeak help <subcommand> untuk melihat pesan bantuan dari sub -perintah.

Otentikasi

Opsi otentikasi harus ditempatkan di hadapan sub -perintah mana pun.

Misalnya, untuk memanfaatkan kunci berlangganan Anda dan titik akhir resmi yang ditunjuk oleh suatu wilayah, jalankan perintah berikut:

$ aspeak --region < YOUR_REGION > --key < YOUR_SUBSCRIPTION_KEY > text " Hello World "

Jika Anda menggunakan titik akhir khusus, Anda dapat menggunakan opsi --endpoint alih -alih --region .

Untuk menghindari pengulangan, Anda dapat menyimpan detail otentikasi Anda di profil aspeak Anda. Baca bagian berikut untuk detail lebih lanjut.

Dari v5.2.0, Anda juga dapat mengatur rahasia otentikasi melalui variabel lingkungan berikut:

• ASPEAK_AUTH_KEY untuk otentikasi menggunakan kunci berlangganan
• ASPEAK_AUTH_TOKEN untuk otentikasi menggunakan token otorisasi

Dari v4.3.0, Anda dapat membiarkan Aspeak menggunakan server proxy untuk terhubung ke titik akhir. Untuk saat ini, hanya proxy HTTP dan Socks5 yang didukung (belum ada dukungan HTTPS). Misalnya:

$ aspeak --proxy http://your_proxy_server:port text " Hello World "
$ aspeak --proxy socks5://your_proxy_server:port text " Hello World "

Aspeak juga menghormati variabel lingkungan HTTP_PROXY (atau http_proxy ).

Konfigurasi

Aspeak V4 memperkenalkan konsep profil. Profil adalah file konfigurasi di mana Anda dapat menentukan nilai default untuk opsi baris perintah.

Jalankan perintah berikut untuk membuat profil default Anda:

$ aspeak config init

Untuk mengedit profil, jalankan:

$ aspeak config edit

Jika Anda kesulitan menjalankan perintah di atas, Anda dapat mengedit profil secara manual:

Tinju mendapatkan jalur profil dengan menjalankan:

$ aspeak config where

Kemudian edit file dengan editor teks favorit Anda.

Profilnya adalah file TOML. Profil default terlihat seperti ini:

Periksa komentar di file konfigurasi untuk informasi lebih lanjut tentang opsi yang tersedia.

 # Profile for aspeak
# GitHub: https://github.com/kxxt/aspeak

# Output verbosity
# 0   - Default
# 1   - Verbose
# The following output verbosity levels are only supported on debug build
# 2   - Debug
# >=3 - Trace
verbosity = 0

#
# Authentication configuration
#

[ auth ]
# Endpoint for TTS
# endpoint = "wss://eastus.tts.speech.microsoft.com/cognitiveservices/websocket/v1"

# Alternatively, you can specify the region if you are using official endpoints
# region = "eastus"

# Synthesizer Mode, "rest" or "websocket"
# mode = "rest"

# Azure Subscription Key
# key = "YOUR_KEY"

# Authentication Token
# token = "Your Authentication Token"

# Extra http headers (for experts)
# headers = [["X-My-Header", "My-Value"], ["X-My-Header2", "My-Value2"]]

# Proxy
# proxy = "socks5://127.0.0.1:7890"

# Voice list API url
# voice_list_api = "Custom voice list API url"

#
# Configuration for text subcommand
#

[ text ]
# Voice to use. Note that it takes precedence over the locale
# voice = "en-US-JennyNeural"
# Locale to use
locale = " en-US "
# Rate
# rate = 0
# Pitch
# pitch = 0
# Role
# role = "Boy"
# Style, "general" by default
# style = "general"
# Style degree, a floating-point number between 0.1 and 2.0
# style_degree = 1.0

#
# Output Configuration
#

[ output ]
# Container Format, Only wav/mp3/ogg/webm is supported.
container = " wav "
# Audio Quality. Run `aspeak list-qualities` to see available qualities.
#
# If you choose a container format that does not support the quality level you specified here, 
# we will automatically select the closest level for you.
quality = 0
# Audio Format(for experts). Run `aspeak list-formats` to see available formats.
# Note that it takes precedence over container and quality!
# format = "audio-16khz-128kbitrate-mono-mp3"

Jika Anda ingin menggunakan profil selain profil default Anda, Anda dapat menggunakan argumen --profile :

aspeak --profile < PATH_TO_A_PROFILE > text " Hello "

Jika Anda ingin menonaktifkan profil untuk sementara, Anda dapat menggunakan argumen --no-profile :

aspeak --no-profile --region eastus --key < YOUR_KEY > text " Hello "

Pitch dan rate

• rate : Tingkat berbicara suara.
  • Jika Anda menggunakan nilai float (katakanlah 0.5 ), nilainya akan dikalikan dengan 100% dan menjadi 50.00% .
  • Anda dapat menggunakan nilai-nilai berikut juga: x-slow , slow , medium , fast , x-fast , default .
  • Anda juga dapat menggunakan nilai persentase secara langsung: +10% .
  • Anda juga dapat menggunakan nilai float relatif (dengan f postfix), 1.2f :
    • Menurut dokumentasi Azure,
    • Nilai relatif, dinyatakan sebagai angka yang bertindak sebagai pengganda dari default.
    • Misalnya, nilai 1f menghasilkan tidak ada perubahan dalam tingkat. Nilai 0.5f menghasilkan separuh dari laju. Nilai 3f menghasilkan tiga kali lipat dari tarif.
• pitch : Pitch suara.
  • Jika Anda menggunakan nilai float (katakanlah -0.5 ), nilainya akan dikalikan dengan 100% dan menjadi -50.00% .
  • Anda juga dapat menggunakan nilai-nilai berikut juga: x-low , low , medium , high , x-high , default .
  • Anda juga dapat menggunakan nilai persentase secara langsung: +10% .
  • Anda juga dapat menggunakan nilai relatif, (misalnya -2st atau +80Hz ):
    • Menurut dokumentasi Azure,
    • Nilai relatif, dinyatakan sebagai angka yang didahului oleh "+" atau "-" dan diikuti oleh "Hz" atau "ST" yang menentukan jumlah untuk mengubah pitch.
    • "ST" menunjukkan unit perubahan adalah semitone, yang merupakan setengah dari nada (setengah langkah) pada skala diatonik standar.
  • Anda juga dapat menggunakan nilai absolut: misalnya 600Hz

Catatan : Nilai tinggi/rendah yang tidak masuk akal akan dipotong ke nilai -nilai yang wajar oleh layanan kognitif Azure.

Contoh

Contoh -contoh berikut menganggap bahwa Anda telah mengatur otentikasi di profil Anda.

Bicaralah "Halo, Dunia!" untuk speaker default.

$ aspeak text " Hello, world " 

Ssml untuk berbicara

$ aspeak ssml << EOF
<speak version='1.0' xmlns='http://www.w3.org/2001/10/synthesis' xml:lang='en-US'><voice name='en-US-JennyNeural'>Hello, world!</voice></speak>
EOF 

Sebutkan semua suara yang tersedia.

$ aspeak list-voices

Sebutkan semua suara yang tersedia untuk orang Cina.

$ aspeak list-voices -l zh-CN

Dapatkan informasi tentang suara.

$ aspeak list-voices -v en-US-SaraNeural

Keluaran

 Microsoft Server Speech Text to Speech Voice (en-US, SaraNeural)
Display name: Sara
Local name: Sara @ en-US
Locale: English (United States)
Gender: Female
ID: en-US-SaraNeural
Voice type: Neural
Status: GA
Sample rate: 48000Hz
Words per minute: 157
Styles: ["angry", "cheerful", "excited", "friendly", "hopeful", "sad", "shouting", "terrified", "unfriendly", "whispering"]

Simpan pidato yang disintesis ke file.

$ aspeak text " Hello, world " -o output.wav

Jika Anda lebih suka mp3 / ogg / webm, Anda dapat menggunakan -c mp3 / -c ogg / -c webm .

$ aspeak text " Hello, world " -o output.mp3 -c mp3
$ aspeak text " Hello, world " -o output.ogg -c ogg
$ aspeak text " Hello, world " -o output.webm -c webm

Daftar Tingkat Kualitas yang Tersedia

$ aspeak list-qualities

Keluaran

 Qualities for MP3:
  3: audio-48khz-192kbitrate-mono-mp3
  2: audio-48khz-96kbitrate-mono-mp3
 -3: audio-16khz-64kbitrate-mono-mp3
  1: audio-24khz-160kbitrate-mono-mp3
 -2: audio-16khz-128kbitrate-mono-mp3
 -4: audio-16khz-32kbitrate-mono-mp3
 -1: audio-24khz-48kbitrate-mono-mp3
  0: audio-24khz-96kbitrate-mono-mp3

Qualities for WAV:
 -2: riff-8khz-16bit-mono-pcm
  1: riff-24khz-16bit-mono-pcm
  0: riff-24khz-16bit-mono-pcm
 -1: riff-16khz-16bit-mono-pcm

Qualities for OGG:
  0: ogg-24khz-16bit-mono-opus
 -1: ogg-16khz-16bit-mono-opus
  1: ogg-48khz-16bit-mono-opus

Qualities for WEBM:
  0: webm-24khz-16bit-mono-opus
 -1: webm-16khz-16bit-mono-opus
  1: webm-24khz-16bit-24kbps-mono-opus

Daftar format audio yang tersedia (untuk pengguna ahli)

$ aspeak list-formats

Keluaran

 amr-wb-16000hz
audio-16khz-128kbitrate-mono-mp3
audio-16khz-16bit-32kbps-mono-opus
audio-16khz-32kbitrate-mono-mp3
audio-16khz-64kbitrate-mono-mp3
audio-24khz-160kbitrate-mono-mp3
audio-24khz-16bit-24kbps-mono-opus
audio-24khz-16bit-48kbps-mono-opus
audio-24khz-48kbitrate-mono-mp3
audio-24khz-96kbitrate-mono-mp3
audio-48khz-192kbitrate-mono-mp3
audio-48khz-96kbitrate-mono-mp3
ogg-16khz-16bit-mono-opus
ogg-24khz-16bit-mono-opus
ogg-48khz-16bit-mono-opus
raw-16khz-16bit-mono-pcm
raw-16khz-16bit-mono-truesilk
raw-22050hz-16bit-mono-pcm
raw-24khz-16bit-mono-pcm
raw-24khz-16bit-mono-truesilk
raw-44100hz-16bit-mono-pcm
raw-48khz-16bit-mono-pcm
raw-8khz-16bit-mono-pcm
raw-8khz-8bit-mono-alaw
raw-8khz-8bit-mono-mulaw
riff-16khz-16bit-mono-pcm
riff-22050hz-16bit-mono-pcm
riff-24khz-16bit-mono-pcm
riff-44100hz-16bit-mono-pcm
riff-48khz-16bit-mono-pcm
riff-8khz-16bit-mono-pcm
riff-8khz-8bit-mono-alaw
riff-8khz-8bit-mono-mulaw
webm-16khz-16bit-mono-opus
webm-24khz-16bit-24kbps-mono-opus
webm-24khz-16bit-mono-opus

Meningkatkan/mengurangi kualitas audio

 # Less than default quality.
$ aspeak text " Hello, world " -o output.mp3 -c mp3 -q=-1
# Best quality for mp3
$ aspeak text " Hello, world " -o output.mp3 -c mp3 -q=3

Baca teks dari file dan bicaralah.

$ cat input.txt | aspeak text

atau

$ aspeak text -f input.txt

dengan penyandian khusus:

$ aspeak text -f input.txt -e gbk

Baca dari Stdin dan bicaralah.

$ aspeak text

Mungkin Anda lebih suka:

$ aspeak text -l zh-CN << EOF
我能吞下玻璃而不伤身体。
EOF 

Berbicara bahasa Mandarin.

$ aspeak text "你好，世界！ " -l zh-CN

Gunakan suara khusus.

$ aspeak text "你好，世界！ " -v zh-CN-YunjianNeural

Pitch, tingkat, dan gaya khusus

$ aspeak text "你好，世界！ " -v zh-CN-XiaoxiaoNeural -p 1.5 -r 0.5 -S sad
$ aspeak text "你好，世界！ " -v zh-CN-XiaoxiaoNeural -p=-10% -r=+5% -S cheerful
$ aspeak text "你好，世界！ " -v zh-CN-XiaoxiaoNeural -p=+40Hz -r=1.2f -S fearful
$ aspeak text "你好，世界！ " -v zh-CN-XiaoxiaoNeural -p=high -r=x-slow -S calm
$ aspeak text "你好，世界！ " -v zh-CN-XiaoxiaoNeural -p=+1st -r=-7% -S lyrical

Penggunaan lanjutan

Gunakan format audio khusus untuk output

Catatan : Beberapa format audio tidak didukung saat mengeluarkan ke speaker.

$ aspeak text " Hello World " -F riff-48khz-16bit-mono-pcm -o high-quality.wav

Penggunaan Perpustakaan

Python

Versi baru aspeak ditulis dalam karat, dan pengikatan ularahan disediakan oleh Pyo3.

Berikut adalah contoh sederhana:

 from aspeak import SpeechService

service =  SpeechService ( region = "eastus" , key = "YOUR_AZURE_SUBSCRIPTION_KEY" )
service . speak_text ( "Hello, world" )

Pertama, Anda perlu membuat instance SpeechService .

Saat membuat instance SpeechService , Anda dapat menentukan parameter berikut:

• audio_format (Argumen Posisi): Format audio audio output. Default adalah AudioFormat.Riff24KHz16BitMonoPcm .
  • Anda bisa mendapatkan format audio dengan memberikan format kontainer dan tingkat kualitas: AudioFormat("mp3", 2) .
• endpoint : Titik akhir dari Layanan Pidato.
• region : Atau, Anda dapat menentukan wilayah Layanan Pidato alih -alih mengetik URL titik akhir yang membosankan.
• key : Kunci langganan Layanan Pidato.
• token : Token Auth untuk Layanan Pidato. Jika Anda memberikan token, kunci berlangganan akan diabaikan.
• headers : Header HTTP tambahan untuk layanan pidato.
• mode : Pilih synthesizer untuk digunakan. Baik rest atau websocket .
  • Dalam mode WebSocket, synthesizer akan terhubung ke titik akhir ketika instance SpeechService dibuat.

Setelah itu, Anda dapat menelepon speak_text() untuk berbicara teks atau speak_ssml() untuk berbicara SSML. Atau Anda dapat menghubungi synthesize_text() atau synthesize_ssml() untuk mendapatkan data audio.

Untuk synthesize_text() dan synthesize_ssml() , jika Anda memberikan output , data audio akan ditulis ke file itu dan fungsi tidak akan mengembalikan None . Jika tidak, fungsi akan mengembalikan data audio.

Berikut adalah opsi umum untuk speak_text() dan synthesize_text() :

• locale : Lokal suara. Default adalah en-US .
• voice : Nama suara. Default adalah en-US-JennyNeural .
• rate : Tingkat berbicara suara. Itu harus berupa string yang sesuai dengan persyaratan seperti yang didokumentasikan dalam bagian ini: pitch dan rate
• pitch : Pitch suara. Itu harus berupa string yang sesuai dengan persyaratan seperti yang didokumentasikan dalam bagian ini: pitch dan rate
• style : Gaya suara.
  • Anda bisa mendapatkan daftar gaya yang tersedia untuk suara tertentu dengan mengeksekusi aspeak -L -v <VOICE_ID>
  • Nilai defaultnya general .
• style_degree : Tingkat gaya.
  • Menurut dokumentasi Azure, gelar gaya menentukan intensitas gaya berbicara. Ini adalah angka titik mengambang antara 0,01 dan 2, inklusif.
  • Pada saat penulisan, penyesuaian gelar gaya didukung untuk suara saraf Cina (Mandarin, disederhanakan).
• role : Peran suara.
  • Menurut dokumentasi Azure, role menentukan permainan peran berbicara. Suara itu bertindak sebagai usia dan jenis kelamin yang berbeda, tetapi nama suara tidak berubah.
  • Pada saat penulisan, penyesuaian peran didukung untuk suara-suara saraf Cina (Mandarin, disederhanakan) ini: zh-CN-XiaomoNeural , zh-CN-XiaoxuanNeural , zh-CN-YunxiNeural , dan zh-CN-YunyeNeural .

Karat

Tambahkan aspeak ke Cargo.toml Anda.toml:

$ cargo add aspeak

Kemudian ikuti dokumentasi peti aspeak .

Ada 4 contoh untuk referensi cepat:

• Penggunaan Restsynthesizer Sederhana
• Penggunaan Sederhana Websocketsynthesizer
• Mensintesis semua file txt di direktori yang diberikan
• Baca-sintesis-speak-loop: Baca teks dari stdin line demi baris dan bicaralah