webchat / voice /baidu /README.md
hhz520's picture
Upload 170 files
61517de

说明

百度语音识别与合成参数说明 百度语音依赖,经常会出现问题,可能就是缺少依赖: pip install baidu-aip pip install pydub pip install pysilk 还有ffmpeg,不同系统安装方式不同

系统中收到的语音文件为mp3格式(wx)或者sil格式(wxy),如果要识别需要转换为pcm格式,转换后的文件为16k采样率,单声道,16bit的pcm文件 发送时又需要(wx)转换为mp3格式,转换后的文件为16k采样率,单声道,16bit的pcm文件,(wxy)转换为sil格式,还要计算声音长度,发送时需要带上声音长度 这些事情都在audio_convert.py中封装了,直接调用即可

参数说明 识别参数 https://ai.baidu.com/ai-doc/SPEECH/Vk38lxily 合成参数 https://ai.baidu.com/ai-doc/SPEECH/Gk38y8lzk

使用说明

分两个地方配置

1、对于def voiceToText(self, filename)函数中调用的百度语音识别API,中接口调用asr(参数)这个配置见CHATGPT-ON-WECHAT工程目录下的config.json文件和config.py文件。 参数 可需 描述 app_id 必填 应用的APPID api_key 必填 应用的APIKey secret_key 必填 应用的SecretKey dev_pid 必填 语言选择,填写语言对应的dev_pid值

2、对于def textToVoice(self, text)函数中调用的百度语音合成API,中接口调用synthesis(参数)在本目录下的config.json文件中进行配置。 参数 可需 描述 tex 必填 合成的文本,使用UTF-8编码,请注意文本长度必须小于1024字节
lan 必填 固定值zh。语言选择,目前只有中英文混合模式,填写固定值zh spd 选填 语速,取值0-15,默认为5中语速 pit 选填 音调,取值0-15,默认为5中语调 vol 选填 音量,取值0-15,默认为5中音量(取值为0时为音量最小值,并非为无声) per(基础音库) 选填 度小宇=1,度小美=0,度逍遥(基础)=3,度丫丫=4 per(精品音库) 选填 度逍遥(精品)=5003,度小鹿=5118,度博文=106,度小童=110,度小萌=111,度米朵=103,度小娇=5 aue 选填 3为mp3格式(默认); 4为pcm-16k;5为pcm-8k;6为wav(内容同pcm-16k); 注意aue=4或者6是语音识别要求的格式,但是音频内容不是语音识别要求的自然人发音,所以识别效果会受影响。

关于per参数的说明,注意您购买的哪个音库,就填写哪个音库的参数,否则会报错。如果您购买的是基础音库,那么per参数只能填写0到4,如果您购买的是精品音库,那么per参数只能填写5003,5118,106,110,111,103,5其他的都会报错。

配置文件

将文件夹中config.json.template复制为config.json

    {
    "lang": "zh",
    "ctp": 1,
    "spd": 5,
    "pit": 5,
    "vol": 5,
    "per": 0
    }