文字轉語音 - 樹莓派

在本課程中，你將編寫代碼，使用語音服務將文字轉換為語音。

使用語音服務將文字轉換為語音

可以使用 REST API 將文字發送到語音服務，以獲取可以在你的物聯網設備上播放的音頻文件。請求語音時，你需要提供要使用的語音，因為可以使用各種不同的語音生成語音。

每種語言都支持一系列不同的語音，你可以對語音服務發出 REST 請求，以獲取每種語言支持的語音列表。

任務 - 獲取語音

在 VS Code 中打開 smart-timer 項目。
在 say 函數上方添加以下代碼，以請求語言的語音列表：
```
def get_voice():
    url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/voices/list'

    headers = {
        'Authorization': 'Bearer ' + get_access_token()
    }

    response = requests.get(url, headers=headers)
    voices_json = json.loads(response.text)

    first_voice = next(x for x in voices_json if x['Locale'].lower() == language.lower() and x['VoiceType'] == 'Neural')
    return first_voice['ShortName']

voice = get_voice()
print(f'Using voice {voice}')
```
此代碼定義了一個名為 get_voice 的函數，該函數使用語音服務獲取語音列表。然後，它找到與正在使用的語言匹配的第一個語音。

然後調用此函數以存儲第一個語音，並將語音名稱打印到控制台。此語音可以請求一次，並在每次調用將文字轉換為語音時使用該值。
💁 你可以從 Microsoft Docs 上的語言和語音支持文檔獲取支持語音的完整列表。如果你想使用特定的語音，則可以刪除此函數並將語音名稱硬編碼為此文檔中的語音名稱。例如：
```
voice = 'hi-IN-SwaraNeural'
```

任務 - 將文字轉換為語音

在此之下，定義一個常量，用於從語音服務檢索音頻格式。請求音頻時，可以使用多種不同的格式。
```
playback_format = 'riff-48khz-16bit-mono-pcm'
```
你可以使用的格式取決於你的硬件。如果在播放音頻時出現 Invalid sample rate 錯誤，請將其更改為其他值。你可以在 Microsoft Docs 上的文字轉語音 REST API 文檔中找到支持的值列表。你需要使用 riff 格式音頻，可以嘗試的值有 riff-16khz-16bit-mono-pcm、riff-24khz-16bit-mono-pcm 和 riff-48khz-16bit-mono-pcm。
在此之下，聲明一個名為 get_speech 的函數，該函數將使用語音服務 REST API 將文字轉換為語音：
```
def get_speech(text):
```

在 get_speech 函數中，定義要調用的 URL 和要傳遞的標頭：

    url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/v1'

    headers = {
        'Authorization': 'Bearer ' + get_access_token(),
        'Content-Type': 'application/ssml+xml',
        'X-Microsoft-OutputFormat': playback_format
    }

這設置了使用生成的訪問令牌的標頭，將內容設置為 SSML，並定義所需的音頻格式。

在此之下，定義要發送到 REST API 的 SSML：

ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
ssml += f'<voice xml:lang=\'{language}\' name=\'{voice}\'>'
ssml += text
ssml += '</voice>'
ssml += '</speak>'

此 SSML 設置要使用的語言和語音，以及要轉換的文字。

最後，在此函數中添加代碼以發出 REST 請求並返回二進制音頻數據：

response = requests.post(url, headers=headers, data=ssml.encode('utf-8'))
return io.BytesIO(response.content)

任務 - 播放音頻

在 get_speech 函數下方，定義一個新函數以播放 REST API 調用返回的音頻：
```
def play_speech(speech):
```

傳遞給此函數的 speech 將是從 REST API 返回的二進制音頻數據。使用以下代碼將其作為波形文件打開並傳遞給 PyAudio 以播放音頻：

def play_speech(speech):
    with wave.open(speech, 'rb') as wave_file:
        stream = audio.open(format=audio.get_format_from_width(wave_file.getsampwidth()),
                            channels=wave_file.getnchannels(),
                            rate=wave_file.getframerate(),
                            output_device_index=speaker_card_number,
                            output=True)

        data = wave_file.readframes(4096)

        while len(data) > 0:
            stream.write(data)
            data = wave_file.readframes(4096)

        stream.stop_stream()
        stream.close()

此代碼使用 PyAudio 流，與捕獲音頻相同。這裡的區別是流設置為輸出流，並從音頻數據中讀取數據並推送到流中。

而不是硬編碼流的詳細信息，例如採樣率，它是從音頻數據中讀取的。

將 say 函數的內容替換為以下內容：
```
speech = get_speech(text)
play_speech(speech)
```
此代碼將文字轉換為二進制音頻數據，並播放音頻。
運行應用程序，並確保函數應用程序也在運行。設置一些計時器，你會聽到語音響應，告訴你計時器已設置，然後在計時器完成時會有另一個語音響應。

如果出現 Invalid sample rate 錯誤，請按照上述說明更改 playback_format。

💁 你可以在 code-spoken-response/pi 文件夾中找到此代碼。

😀 你的計時器程序成功了！

文字轉語音 - 樹莓派

使用語音服務將文字轉換為語音​

任務 - 獲取語音​

任務 - 將文字轉換為語音​

任務 - 播放音頻​

使用語音服務將文字轉換為語音

任務 - 獲取語音

任務 - 將文字轉換為語音

任務 - 播放音頻