mirror of
https://github.com/zhayujie/chatgpt-on-wechat.git
synced 2026-03-02 16:29:20 +08:00
55 lines
2.8 KiB
Markdown
55 lines
2.8 KiB
Markdown
## 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`。
|
||
|
||
``` json
|
||
{
|
||
"lang": "zh",
|
||
"ctp": 1,
|
||
"spd": 5,
|
||
"pit": 5,
|
||
"vol": 5,
|
||
"per": 0
|
||
}
|
||
``` |