1.?文本ı?ת????ʵ??Դ??
2.专栏精选实战：百度语音合成
3.中文语音生成网络vits-chinese运行实战
4.OpenAI 开源的免费 AI 语音转文字工具 - Whisper，一步一步本地部署运行
5.文字转语音软件工具有哪些推荐?转语

?ı?ת????ʵ??Դ??

       大家好，我是音实语音源码树先生！今天要与大家分享一个Python工具，现源叫做edge-tts，码文它能让你的本转x4解析源码文字轻松转化成语音，操作极其便捷，实现输入且完全免费。文本

       不妨先来感受一下它的转语效果，听听这个音频片段：[插入音频片段]是音实语音源码不是很像影视解说中常见的开场，比如：这个女人叫小美...

       edge-tts 是现源一个基于Python的库，它得益于微软Azure的码文文本转语音技术(TTS)，并且作为开源项目，本转你可以免费使用。实现输入它的文本设计初衷是提供一个直观的API，支持多种语言和丰富的语音选项，只需一行代码就能实现文本到语音的转换。

       要体验这个功能，首先在你的电脑上创建一个名为"text2voicetest.txt"的文件，写下你想要转换成语音的文字，然后运行预设的代码，神奇的事情就发生了，它会自动为你生成MP3文件，就这么简单！

       无论是个人笔记整理，还是项目文档朗读，edge-tts都能派上用场。sencha touch源码想深入了解或尝试，可以访问这个项目的源代码：[插入项目地址] github.com/rany2/edge-t...

专栏精选实战：百度语音合成

       本文节选自大话Unity公众号技术专栏《大话Unity》，未经允许不可转载。

       大话Unity公众号回复语音识别获取源码工程。

       大话Unity，让你快人几步。你好，我是大智。

       大智：“昨天我们实战了语音识别，在人工智能的语音领域，还有很大一块是语音合成，也就是Text to Speech，文字转语音。” 小新：“是不是就是我们经常听到的siri或者智能音箱那种声音？” 大智：“没错，那些声音都是用语音合成的技术合成音频文件，然后播放出来的。” 小新：“我们今天就来搞这个？” 大智：“对，这就开始”

       首先做些准备工作，和昨天的语音识别的流程很像，大致如下：

       语音识别

       大智：“看完文档了没？” 小新：“看完了” 大智：“那我们就开始了。”

       语音合成主要有两个过程：1. 鉴权认证：从百度获取一个令牌(token)，请求的时候需要携带这个令牌，否则视为非法请求；2. 在Unity中请求语音合成接口。

       第一步鉴权认证我们昨天已经实现了，可以拿来直接用。我们直接进入第二步，javax 源码包在Unity中请求语音合成接口。

       REST API

       小新：“我在文档中看到了这个词REST API，API我懂，就是应用程序接口嘛，这个REST是什么？休息接口么？” 大智：“哎嘿，什么休息接口！这个是Web开发中的一个技术，你不懂正常，我来简单解释一下。”

       REST ( REpresentational State Transfer )，State Transfer 为 "状态传输" 或 "状态转移 "，Representational 中文有人翻译为"表征"、"具象"，合起来就是 "表征状态传输" 或 "具象状态传输" 或 "表述性状态转移"，不过，一般文章或技术文件都比较不会使用翻译后的中文来撰写，而是直接引用 REST 或 RESTful 来代表，因为 REST 一整个观念，想要只用六个中文字来完整表达真有难度。

       REST 本身是设计风格而不是标准。REST 谈论一件非常重要的事，如何正确地使用Web*标准*，例如，HTTP 和 URI。想要了解 REST 最好的方式就是思索与了解*Web*及其工作方式。如果你设计的ios购物源码应用程序能符合 REST 原则 (REST principles)，这些符合 REST 原则的 REST 服务可称为 "RESTful web service" 也称 "RESTful Web API"。"-ful" 字尾强调它们的设计完全符合 REST 论文里的建议内容。

       如果你不需要做Web开发，了解到这就够了，否则建议你了解下REST的具体原则，RESTful的Web接口目前非常流程。

       请求语音合成

       百度语音合成支持两种方式请求：- POST方式；- GET方式

       百度文档中推荐使用POST方式，但是由于Unity的WebRequest类中，获取音频的现成接口是使用Get方法，所以我们下面的代码还是使用Get方法去获取。

       上面的代码写好以后，设置好APIKey和SecretKey就可以合成语音出来了。

       大智：“我们这两天通过实战学习了UnityWebRequest的具体用法，在请求Http时，结合接口说明，一般实现起来还是很容易的。”

       思考题

       大智：“上面的语音合成中很有多参数可以设置，试试不同的参数看看有什么效果吧！” 小新：“好嘞！” 大智：“收获别忘了分享出来！也别忘了分享给你学Unity的朋友，也许能够帮到他。”

       推荐阅读

       大话Unity公众号回复语音识别获取源码工程。

中文语音生成网络vits-chinese运行实战

       一 环境配置

       在一台笔记本上，使用pycharm完成conda env环境的搭建，安装pip依赖项miniconda3。条码系统源码若遇到安装WeTextProcessing时出现依赖pynini安装失败的问题，请在conda环境中执行命令conda install -c conda-forge pynini，之后再执行pip install WeTextProcessing。完成环境配置后，直接在cpu上运行工程代码。

       二 工程代码路径

       工程代码包含依赖模型、底模文件、标贝数据集和修改后文件，直接在cpu上运行，节省调试时间。工程文件压缩后总大小为3.G，扫码支付后获得百度网盘下载链接，自行下载。

       三 模型原理

       vits-chinese是在vits网络基础上的改进，将音频短时帧傅里叶变换作为输入spec，speaker id作为输入sid，与原网络保持一致。

       四 训练

       目标是新增speaker:Arik的语音训练，使用标贝数据集进行。亦可基于标贝数据集的label，自录语音制作数据集。关键步骤包括数据重采样、规范化label、数据预处理、数据调试以及启动训练。

       重采样：使用python脚本完成数据重采样。

       规范化label：通过python脚本处理数据集中的label。

       数据预处理：配置json文件，处理数据。

       数据调试：执行python脚本检查数据处理结果。

       启动训练：在指定目录下运行训练脚本。

       五 推理

       使用python脚本进行推理，输入配置文件和模型路径，执行推理过程。输出音频效果如示例所示，训练4个周期后，语音音色接近Arik，收敛效果优于so-vits-svc模型，推荐作为中文语音转换的标杆模型。

       附：该工程代码基于vits-chinese，源码地址：github.com/PlayVoice/vi...

OpenAI 开源的免费 AI 语音转文字工具 - Whisper，一步一步本地部署运行

       OpenAI 推出的开源免费工具 Whisper，以其出色的语音识别功能吸引了不少关注。这款模型不仅能够进行多语言的语音转文本，还能进行语音翻译和语言识别，实用价值极高。市面上许多语音转文字服务如讯飞语记等都收费，而Whisper作为开源选择，无疑是一个经济实惠且性能强大的解决方案。

       想在本地体验Whisper，首先需要为Windows设备安装ffmpeg和rust。ffmpeg可以从ffmpeg.org下载并配置环境变量，而rust则可以从rust-lang.org获取并确保命令行可用。接着，创建一个python虚拟环境，安装Whisper所需的依赖库。

       运行Whisper的过程相当直接。通过命令行，只需提供音频文件如"Haul.mp3"，并指定使用"medium"模型（模型大小从tiny到large递增）。首次运行时，Whisper会自动下载并加载模型，然后开始识别并输出文本，同时将结果保存到文件中。如果想在Python代码中集成，也相当简单。

       如果你对此技术感兴趣，不妨亲自尝试一下。项目的源代码可以在github.com/openai/whisper找到。这不仅是一次AI技术的体验，还可能开启语音转文字的新篇章。更多详情可参考gpt.com/article/的信息。

       标签推荐：#AI技术 #OpenAI开源 #Whisper模型 #语音转文字 #ChatGPT应用

文字转语音软件工具有哪些推荐?

       文字转语音技术如今已经相当成熟，众多工具在生成语音的过程中日益自然、流畅，部分音质甚至难辨真伪。对于视频剪辑等场景，这类工具成为不可或缺的辅助。我在此分享几款试用后认为表现优秀的文字转语音工具。

       首先是配音工厂，一款简洁易用的文字转语音工具，特别适合生成配音音频。用户只需输入文本或导入文档，便能生成自然流畅的语音。它支持多种音色，参数调整丰富，涵盖停顿、多音字、音量、语速、语调等，适应多种需求。

       tts-vue是一款基于微软语音合成技术的开源、免费工具，使用Electron + Vue + ElementPlus + Vite实现。用户可直接在GitHub和Gitee获取源代码，学习或二次开发。这为爱好者提供了实践机会。

       偷懒工具是一款网页版工具，无需安装，网页操作即刻可用。它提供男声、女声、童声选择，支持快读、慢读、普通语速，转化迅速，生成的语音可直接下载。

       AI配音专家源自吾爱破解论坛，使用阿里语音合成引擎，提供全面的语言种类，效果逼真，适合追求高质量语音合成的用户。

       TTSMaker是一款全面的文字转语音工具，语言支持广泛，包含中文、英语、日语、德语等，并能灵活调整语速、音量、分段落停顿等参数。输出格式多样，包括MP3、wav、aac等，功能齐全。

       Text-to-Speech是一款功能强大的文字转语音工具，支持中文、英文、日语、德语等语言，并提供方言支持，如河南话、上海话、粤语等。它提供多种音色、情感选择，支持语音调整，甚至具备模仿功能，能生成接近真实语音。

       微软听听是一款由微软官方提供的微信小程序，支持导入文章、公众号链接、上传文档，甚至OCR识别生成语音。它提供了丰富的语音类型和语言选择，语音效果自然，适合各种应用场景。值得注意的是，微软听听完全免费使用。