- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我使用 Microsoft Azure 创建了一个文本转语音脚本。今天我决定添加一个音调更改器(mutator)、语速更改器(mutator)以及可能的一些静音添加。为此,我需要将spoke_text_async(text)替换为speak_ssml_async(ssml_string)。自从我这样做之后,TTS 就停止播放并且没有生成 .wav 文件。我所做的只是添加恒定的 50% 音调来测试它,ssml_string 并将合成器更改为 ssml 而不是文本(否则它只会读取 ssml 中的 html 行。
我只是将speak_ssml_async更改回speak_text_async,但保留了(ssml_string)以确认问题来自ssml_string,但我无法弄清楚它是什么,因为我没有收到错误。
我将把代码的相关部分留在这里。请记住,我有自定义输出文件名和目录选择器,以及在此定义之前的 tts 文本输入的输入标签。
#Directory selector
output_label = ttk.Label(self, text="Choose your output folder:",
font=platformfont,
style="Output.TLabel")
output_label.pack(pady=2)
self.output_dir_button = ttk.Button(self, text="Browse", command=self.choose_output_dir,
takefocus=False,
style="Custom.TButton")
self.output_dir_button.pack()
self.output_dir_path = tk.StringVar()
self.output_dir_path.set("")
self.output_dir_entry = tk.Entry(self, textvariable=self.output_dir_path, font=inputfont,
width=55,
foreground="#395578",
state='readonly',
background="light gray",
readonlybackground="#Eed9c9",
borderwidth=0,
cursor="X_cursor",
relief="flat")
self.output_dir_entry.pack(pady=5)
#Output filename
output_filename_label = ttk.Label(self, text="Enter output filename (without extension):",
font=platformfont,
style="Output.TLabel")
output_filename_label.pack(pady=5)
#Listen button
speak_button = ttk.Button(self, text="Listen & Generate", command=self.speak_text,
takefocus=False,
style="Custom.TButton")
speak_button.pack(pady=15)
def choose_output_dir(self):
dir_path = filedialog.askdirectory()
if dir_path:
self.output_dir_path.set(dir_path)
def speak_text(self):
text = self.input_text.get("1.0", "end")
output_dir = self.output_dir_path.get()
output_filename = self.output_filename_text.get()
if output_filename == "":
output_filename = "tcnoutput"
output_file = os.path.join(output_dir, output_filename + ".wav")
if os.path.exists(output_file):
response = messagebox.askyesnocancel("File Exists", "A file with the same name already exists. Do you want to overwrite it?",
icon='warning')
if response == True:
os.remove(output_file)
elif response == False:
i = 1
while os.path.exists(os.path.join(output_dir, output_filename + f"({i})" + ".wav")):
i += 1
output_filename = output_filename + f"({i})"
output_file = os.path.join(output_dir, output_filename + ".wav")
else:
raise KeyboardInterrupt
pitch = "+50.0%"
ssml_string = f"<speak version='1.0' xmlns='http://www.w3.org/2001/10/synthesis' xml:lang='ro-RO'>" \
f"<prosody pitch='{pitch}'>{text}</prosody></speak>"
speech_synthesis_result = self.speech_synthesizer.speak_ssml_async(ssml_string).get()
if speech_synthesis_result.reason == speechsdk.ResultReason.SynthesizingAudioCompleted:
with open(output_file, "wb") as f:
f.write(speech_synthesis_result.audio_data)
if output_dir == "":
output_final = os.getcwd() + "\\" + output_filename + ".wav"
else:
output_final = output_dir + "/" + output_filename + ".wav"
messagebox.showinfo("Success", f"Audio file successfully saved at: {output_final}")
else:
messagebox.showerror("Error", "Speech synthesis failed.")
最佳答案
我尝试使用下面的 python 代码将文本配置为语音并使用 SSML 配置语音设置,并获得了所需的音频输出,如下所示:-
代码:
import azure.cognitiveservices.speech as speechsdk
import io
import wave
speech_config = speechsdk.SpeechConfig(subscription="key", region="region")
synthesizer = speechsdk.SpeechSynthesizer(speech_config=speech_config)
ssml_string = "<speak version='1.0' xmlns='http://www.w3.org/2001/10/synthesis' xml:lang='en-US'><voice name='en-US-JennyNeural'><prosody pitch='+50%'>Hello, my friend! How are you?</prosody></voice></speak>"
result = synthesizer.speak_ssml_async(ssml_string).get()
if result.reason == speechsdk.ResultReason.SynthesizingAudioCompleted:
print("SSML string is correct")
else:
print("SSML string is incorrect: {}".format(result.errorDetails))
with io.BytesIO(result.audio_data) as compressedAudioStream:
with wave.open("test.wav", "wb") as wavFile:
wavFile.setnchannels(1)
wavFile.setsampwidth(2)
wavFile.setframerate(16000)
wavFile.writeframes(compressedAudioStream.read())
输出:
输入文本的音频在wav文件中生成,
关于python - 添加 ssml 字符串后,我的 Azure 文本转语音应用程序不再输出,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/76108110/
我是 C 语言新手,我编写了这个 C 程序,让用户输入一年中的某一天,作为返回,程序将输出月份以及该月的哪一天。该程序运行良好,但我现在想简化该程序。我知道我需要一个循环,但我不知道如何去做。这是程序
我一直在努力找出我的代码有什么问题。这个想法是创建一个小的画图程序,并有红色、绿色、蓝色和清除按钮。我有我能想到的一切让它工作,但无法弄清楚代码有什么问题。程序打开,然后立即关闭。 import ja
我想安装screen,但是接下来我应该做什么? $ brew search screen imgur-screenshot screen
我有一个在服务器端工作的 UDP 套接字应用程序。为了测试服务器端,我编写了一个简单的 python 客户端程序,它发送消息“hello world how are you”。服务器随后应接收消息,将
我有一个 shell 脚本,它运行一个 Python 程序来预处理一些数据,然后运行一个 R 程序来执行一些长时间运行的任务。我正在学习使用 Docker 并且我一直在运行 FROM r-base:l
在 Linux 中。我有一个 c 程序,它读取一个 2048 字节的文本文件作为输入。我想从 Python 脚本启动 c 程序。我希望 Python 脚本将文本字符串作为参数传递给 c 程序,而不是将
前言 最近开始整理笔记里的库存草稿,本文是 23 年 5 月创建的了(因为中途转移到 onedrive,可能还不止) 网页调起电脑程序是经常用到的场景,比如百度网盘下载,加入 QQ 群之类的 我
对于一个类,我被要求编写一个 VHDL 程序,该程序接受两个整数输入 A 和 B,并用 A+B 替换 A,用 A-B 替换 B。我编写了以下程序和测试平台。它完成了实现和行为语法检查,但它不会模拟。尽
module Algorithm where import System.Random import Data.Maybe import Data.List type Atom = String ty
我想找到两个以上数字的最小公倍数 求给定N个数的最小公倍数的C++程序 最佳答案 int lcm(int a, int b) { return (a/gcd(a,b))*b; } 对于gcd,请查看
这个程序有错误。谁能解决这个问题? Error is :TempRecord already defines a member called 'this' with the same paramete
当我运行下面的程序时,我在 str1 和 str2 中得到了垃圾值。所以 #include #include #include using namespace std; int main() {
这是我的作业: 一对刚出生的兔子(一公一母)被放在田里。兔子在一个月大时可以交配,因此在第二个月的月底,每对兔子都会生出两对新兔子,然后死去。 注:在第0个月,有0对兔子。第 1 个月,有 1 对兔子
我编写了一个程序,通过对字母使用 switch 命令将十进制字符串转换为十六进制,但是如果我使用 char,该程序无法正常工作!没有 switch 我无法处理 9 以上的数字。我希望你能理解我,因为我
我是 C++ 新手(虽然我有一些 C 语言经验)和 MySQL,我正在尝试制作一个从 MySQL 读取数据库的程序,我一直在关注这个 tutorial但当我尝试“构建”解决方案时出现错误。 (我正在使
仍然是一个初学者,只是尝试使用 swift 中的一些基本函数。 有人能告诉我这段代码有什么问题吗? import UIKit var guessInt: Int var randomNum = arc
我正在用 C++11 编写一个函数,它采用 constant1 + constant2 形式的表达式并将它们折叠起来。 constant1 和 constant2 存储在 std::string 中,
我用 C++ 编写了这段代码,使用运算符重载对 2 个矩阵进行加法和乘法运算。当我执行代码时,它会在第 57 行和第 59 行产生错误,非法结构操作(两行都出现相同的错误)。请解释我的错误。提前致谢:
我是 C++ 的初学者,我想编写一个简单的程序来交换字符串中的两个字符。 例如;我们输入这个字符串:“EXAMPLE”,我们给它交换这两个字符:“E”和“A”,输出应该类似于“AXEMPLA”。 我在
我需要以下代码的帮助: 声明 3 个 double 类型变量,每个代表三角形的三个边中的一个。 提示用户为第一面输入一个值,然后 将用户的输入设置为您创建的代表三角形第一条边的变量。 将最后 2 个步
我是一名优秀的程序员,十分优秀!