Python を使用して Huawei Cloud インターフェイスに接続し、音声転写および合成機能を実装する方法を説明します

Python を使用して Huawei Cloud インターフェイスに接続し、音声転写および合成機能を実装する方法を説明します

はじめに:
人工知能技術の発展により、音声合成と音声認識が多くのアプリケーションに使用されるようになりました。フィールド 必須の機能。開発者は、Python 言語を使用して Huawei Cloud インターフェイスに接続し、音声転写および合成機能を実装できます。この記事では、Pythonを使用してHuawei Cloudインターフェースに接続し、音声ファイルの文字起こしや音声合成機能を実現する方法を紹介します。

1. Huawei Cloud アカウントの登録
Huawei Cloud の音声サービスを使用するには、まず Huawei Cloud にアカウントを登録し、音声認識および合成サービス インスタンスを作成する必要があります。

2. 依存ライブラリをインストールする
Python で Huawei Cloud に接続するには、Python SDK を使用する必要があります。まず、対応するライブラリをインストールする必要があります:

pip install huaweicloud-sdkcore
pip install huaweicloud-sdkasr
pip install huaweicloud-sdktts
pip install pydub

huaweicloud-sdkcore Huawei Cloud ライブラリの Python SDK コアであり、huaweicloud-sdkasr および huaweicloud-sdktts は音声認識および音声合成用の Python SDK です。

Pydub はオーディオ ファイルを処理するための Python ライブラリです。これを使用してオーディオ ファイル形式を処理します。

3. 音声文字起こし
まず、文字起こしする音声ファイルを Huawei Cloud Object Storage OBS サービスにアップロードする必要があります。次に、Python SDK を介して Huawei Cloud の音声サービスに接続し、文字起こしのために音声認識インターフェイスを呼び出します。

以下は、音声ファイルをテキストに変換する機能を実装するサンプルコードです:

from huaweicloud-sdkcore.auth.credentials import GlobalCredentials
from huaweicloud-sdkasr.v1.asr_client import AsrClient

ak = 'your access key'
sk = 'your secret key'
region = 'your region'
endpoint = 'https://asr.myhuaweicloud.com'

def recognize(file_path):
    creds = GlobalCredentials().with_aksk(ak, sk)
    client = AsrClient.new_builder().with_credentials(creds).with_endpoint(endpoint).build()

    with open(file_path, 'rb') as f:
        file_data = f.read()

    try:
        resp = client.recognize(file_data)
        result = resp.result
        return result
    except Exception as e:
        print("Recognize failed: ", e)

この例では、まず、Huawei Cloud Key上に作成したアクセスキーとシークレットを設定する必要があります。およびそれが位置する地域。

次に、AsrClient の認識メソッドを使用して、オーディオ ファイルを読み取ってバイト ストリームに変換し、それを Huawei Cloud の音声認識インターフェイスに送信します。インターフェイスが正常に呼び出されると、音声の書き起こし結果が返されます。

4. 音声合成
音声合成の機能を実現してみましょう。同様に、合成するテキストを Huawei Cloud Object Storage OBS サービスにアップロードする必要があります。次に、Python SDK を通じて Huawei Cloud の音声サービスに接続し、音声合成インターフェイスを呼び出して合成します。

from huaweicloud-sdkcore.auth.credentials import GlobalCredentials
from huaweicloud-sdktts.v1.tts_client import TtsClient

ak = 'your access key'
sk = 'your secret key'
region = 'your region'
endpoint = 'https://tts.myhuaweicloud.com'

def text_to_speech(text, file_path):
    creds = GlobalCredentials().with_aksk(ak, sk)
    client = TtsClient.new_builder().with_credentials(creds).with_endpoint(endpoint).build()

    try:
        resp = client.create_notify(body= {
            "text": text,
            "voice_name": "xiaoyan",
            "sample_rate": 16,
            "volume": 0,
            "speed": 0,
            "pitch": 0,
            "format": "mp3"
        })
        body = resp.result

        download_link = body['download_link']
        urllib.request.urlretrieve(download_link, file_path)
        print('Speech synthesis completed!')
    except Exception as e:
        print("Text to speech failed: ", e)

この例では、Huawei Cloud 上で作成されたアクセス キーとシークレット キー、およびそれらが配置されているリージョンも設定する必要があります。

次に、TtsClient の create_notify メソッドを通じて合成リクエストを送信します。合成するテキスト、サウンドスタイル、オーディオパラメータなどの関連情報を提供する必要があります。インターフェイスが正常に呼び出されると、Huawei Cloud は合成オーディオ ファイルを生成し、ダウンロード リンクを提供します。

urllib ライブラリの urlretrieve メソッドを使用して、オーディオ ファイルをローカルにダウンロードし、mp3 形式で保存できます。

結論:
上記の手順を通じて、Python を使用して Huawei Cloud インターフェイスに接続し、音声転写および合成機能を実装する方法を確認できました。 Huawei Cloudの強力な音声サービスを使用すると、さまざまなアプリケーションシナリオで音声認識および音声合成機能を迅速に実装できます。

この記事は単なるサンプル コードであり、一部のパラメーターは実際の状況に応じて設定する必要があることに注意してください。実際のアプリケーションでは、ニーズに応じて機能をさらに最適化および拡張できます。音声サービスの詳細については、Huawei Cloud の公式 Web サイトへようこそ。

以上がPython を使用して Huawei Cloud インターフェイスに接続し、音声転写および合成機能を実装する方法を説明しますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。