研發紀事

語音合成介紹         最近在研究語音合成技術，各家的平台大都以雲端的語音合成為主，少數還提供離線的語音合成。本文找了三家 (阿里 、百度 、同花順 ) 提供語音合成的平台，平台會提供各類開發的 SDK 和 RESTful API 兩種接口，其中它的SDK 就是根據自己使用的程式語言調用SDK的接口，例如在之前 「 中文語音合成+語音辨識 以百度的AI開放平台 in Python 開發   」 一文中我們用 Python 語法調用它的 SDK 函數。 設計方式         另一種開發的接口是 RESTful API，這是一種通用的網路通訊接口。它的通訊方式是靠 HTTP 的 GET 、 POST...的協定上傳文本和語音合成的參數，經過雲端系統的運算後，再回傳音檔給開發者。開發 RESTful API in C++ 過程需要先整合 curl 和 json 兩個開源代碼，如下圖所示。因為要 HTTP 網路上傳到雲端，我們必須在這些平台上註冊自己的帳號，使用語音合成的過程需要經過用戶認證。認證後，每個平台上傳文本的步驟與細節有些許不同，請參考各家的說明。         最後，將三家平台整合成一個小的測試工具，如下圖一~圖三所示。圖一是阿里雲的平台與參數，圖二是百度平台的參數，圖三是同花順的平台與參數。該工具使用的過程記錄成影片，如下。未來隨著行動網路越來越快，雲端計算的應用也會越來越多且複雜，語音和影像處理的應用會更多。 圖一：阿里雲的語音合成之參數表 圖二：百度的語音合成之參數表 圖三：同花順的語音合成之參數表 實現展示 影片： 實際操作的過程