吾剑未尝不利,国内Azure平替,科大讯飞人工智能免费AI语音合成(TTS)服务Python3.10接入

微软Azure平台的语音合成(TTS)技术确实神乎其技，这一点在之前的一篇：含辞未吐,声若幽兰,史上最强免费人工智能AI语音合成TTS服务微软Azure(Python3.10接入)，已经做过详细介绍，然则Azure平台需要信用卡验证，有一定门槛，对国内用户不太友好，放眼神州，科大讯飞的讯飞开放平台也有语音合成服务接口，可以通过语音合成流式接口将文字信息转化为声音信息。

首先注册讯飞开放平台，随后创建语音合成应用。

创建成功后，同时获取应用的appid、秘钥和APIKey：

该语音合成能力是通过基于Websocket协议的长连接接口API的方式给开发者提供一个通用的接口。

Websocket协议接口具备流式传输能力，适用于需要流式数据传输的AI服务场景，比起集成在客户端的SDK，流接口具备轻量、跨语言的特点；相较于传统的HTTP协议接口，Websocket协议接口有原生支持跨域的优势，换句话说，从前端就可以直接进行语音转换，而不需要后端参与。

根据官网的接口文档：https://www.xfyun.cn/doc/tts/online_tts/API.html ，我们先安装对应的三方库：

由于讯飞的服务端支持的websocket版本是13，所以需要确保请求端使用的库支持该版本。

首先导入基础库，并且预设语音合成类的参数：

这里把应用的APPID, APIKey, APISecret作为实例化参数进行传入，Text为需要语音合成的文本。

和Http协议一样，Websocekt协议接口也需要鉴权操作，这里需要通过接口密钥基于hmac-sha256计算签名，向讯飞的服务器端发送Websocket协议握手请求：

随后实例化转换类，并且生成Websocket协议地址：

程序返回：

至此Websocekt鉴权环节就完成了，讯飞的服务端将发起握手时会对接口地址中的authorization参数进行验签操作。

随后，我们可以发起Websocket链接了：

这里通过on_open方法将参数数据传入到服务端，基本参数默认值设置了语音输出格式为mp3，朗读者是xiaoyan，也就是讯飞小燕，语速为80，默认为50，语速快一点显得没有那么呆板。

随后讯飞服务端会通过onmessage方法将转换好的音频流传回客户端：

注意返回值为Json格式的字符串，语音流放在data的audio字段中，随后写入到指定目录的mp3文件即可，程序返回样例：

转换后文件：

除了讯飞小燕，免费版也可以选择其他朗读者：

个性化定制上，免费版有一定的限制，这一点不如微软Azure。