[應用] 以 RESTful API 通訊的雲端語音合成 (Text To Speech) in C++ 開發

-

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

位置： 807台灣高雄市三民區

留言

發佈留言

此網誌的熱門文章

[筆記] Raspberry Pi 樹莓派的軟體開發

-
圖片
前言         本文的實驗過程是以樹莓派 3B+ 為主，Python是樹莓派板子上的操作系統所提供的程式語言，並且板子上的I/O介面控制官方建議用Python語法開發。因此，在樹莓派上寫程式的第一首選當然是Python，我們可以使用系統上內建的 Python 3 IDLE 或 Thonny Python IDE 的整合開發套件。雖然它是推薦的語法，不過樹莓派系統也可以使用 C/C++ 語言來開發程式，而且也內建一套IDE套件。底下就用簡單的程式碼來試試看這些開發套件。 C/C++開發         樹莓派官方的系統提供一套IDE軟體開發套件，稱為 Geany 。它可以編輯C/C++/Java/Python...等語法，並且編譯組建成執行檔，在樹莓派這樣的操作環境下，這已經算不錯的官方IDE套件了。         首先，打開Geany之後，先在工具列上選擇"專案"，並創建一個新專案。舉例來說，我想要測試C++輸出功能，於是創建一個名為TestCpp的專案。接下來，在工具列上選擇"檔案"，並創建一個"開新檔案"，它會讓我們選個範本，此時選Main.cxx。系統幫我們在專案目錄下建立一個C++檔案，有main function的範本，如下圖一所示。         第二步，在這個檔案裡開始寫些簡單的code，寫個Hello World吧！順便編譯與組建一下，看看有沒有成功。不過，我的專業裏頭總不能只有一個Main檔案走遍天下吧？還是需要有些其他檔案來組建。新增一個加法函數的檔案，名為myadd.cxx，存放在專案的目錄下，這時就可以從main函數調用這個外部加法函數，試試看！一開始編譯，發現會產生編譯失敗，這是因為組建的命令沒設定妥當，預設的命令是編譯單一檔案，這會兒需要編譯一堆檔案，所以要調整命令，如圖二所示。再次編譯後，成功了，可以執行看看結果。 圖一：Geany IDE C++ 軟體開發環境 圖二：修改組建的命令 Python開發         樹莓派官方的系統內建兩套IDE軟體開發套件，一套稱為 Pytho...
Read more »

[筆記] ESP32 在 VS Code 開發環境的編譯與除錯

-
圖片
#  ESP32 評比與教學推薦 NodeMCU-32s 的理由 準備工作 1) 安裝 Visual Studio Code (VS Code)，並安裝其他 C/C++ 插件。 2) 安裝 Python 套件 3) 下載並執行 Setup ESP-IDF Tools：檢查電腦系統的環境，並幫我們把編譯的工具鏈 tool chain 安裝起來。 4) 在 VS Code 安裝 ESP-IDF 插件，點選插件後，看到下圖一並設定路徑後，點擊安裝 ESP-IDF。安裝 v4.2 版本後，會詢問是否下載安裝工具鏈，如果系統已經有安裝，那就設好路徑即可。最後，再安裝 python 虛擬環境給 ESP-IDF，便完成整個環境設定。 圖一：ESP-IDF 擴充插件 建立專案 1) 從 ESP-IDF 選範例專案：按 F1 後，上方的選單輸入 " ESP-IDF: Show Examples Projects "，出現下圖二的範例專案列表，我們可以從中選一個範例來創建，例如我從當中選了 blink 或 hello_word。按下右上方的創建，就會在左半邊出現專案。 圖二：ESP-IDF 範例專案的列表 2) 編譯專案：按 F1 後，上方的選單輸入 " ESP-IDF: Build your project "，VS Code 環境就會開發進行編譯的工作，在下方的欄位會顯示編譯的過程。 3)  設定模組型號：按 F1 後，上方的選單輸入 " ESP-IDF: Device configuration "，彈出選項後，我們選擇 EPS32 為裝置的型號。 4) 電腦接上 ESP32 模組：按 F1 後，上方的選單輸入 " ESP-IDF: Select port to use "，在 VS Code 會自動彈出 COM port 讓我們選擇，點選 EPS32 連接的 COM 即可。 5)  燒錄程式碼到 ESP32：按 F1 後，上方的選單輸入 " ESP-IDF: Select Flash Method and Flash "，彈出選項 JTAG 或 UART，我們選擇 UART 為下載燒錄的方式 (前面我們已經設定 COM 了)。下載燒錄的方式設好了，下次只要...
Read more »

[應用] 藍芽 BLE client/server 架構：BLE remote controller

-
圖片
實作目的         本文要實現一個藍芽 BLE client/server 的架構，以 Filogic 130A 開發板做為智慧音箱的 BLE server 端，另外 ESP32 的藍芽遙控器做為 BLE client 端，架構圖如下所示。在先前的文章 https://han-ya.blogspot.com/2022/04/smart-speaker-on-filogic-130a-kit.html  已經實現智慧音箱的功能，不只是聲控方式，我們還希望能再增加無線遙控的功能。然而， MT7933 晶片(Cortex-M33)本身有語音運算且具有藍芽連接的能力，所以採用 BLE 來達到這項目的。本文的最後一段，有影片呈現實現的結果。         架構中，做為 BLE server 的設備，就是等待其他周邊設備的連接請求，所以連線之前需要發出廣播與配對 (advertising) 的訊號到空中。另一方面，做為 BLE client 的設備，本身要進入掃描模式，查看空中有哪些 server 設備，然後再對特定的 server 提出連線的請求。等連線成功後，client 便可以取得 server 端的 GATT 各種屬性。 圖一：BLE client / server 架構圖 ESP32 client         在 Arduino IDE 開發環境中，ESP32 提供不少範例程式，其中打開範例 ESP32 BLE Arduino\BLE_client，這是一個 client 端的應用，它會開啟 scan 模式，掃描周圍能提供服務的藍芽設備，並將名稱顯示在 COM port 上，如下圖所示，這個範例能掃描到藍芽位址，設備名稱，以及服務的 UUID。一般來說，client 設備上會有顯示資訊，讓我們選擇連線哪一個藍芽設備，在 ESP32 BLE 模組就先用 COM port 充當顯示囉！ 圖二：BLE client 掃描設備的結果         如果 client 端要連線某一指定的設備，要先知道設備名稱，比如我們這個實驗打算連線的是 Filogic 130A 開發板，它廣播的名稱為 " ...
Read more »

[模組] 三軸重力加速計 Accelerometer (GY-61 ADXL335)

-
圖片
#  ADXL335 三軸加速計的 USB 體感搖桿 #  三軸陀螺儀與加速規 Gyro & Accelerometer 模組介紹         三軸重力加速計是一種重力感測器，也稱為加速規或加速計。三軸指的是 X, Y, Z 軸，重力加速度就是我們高中理化曾學過的地心引力 (g)。由於這個重力加速度是地球的天然資源 (就像磁力線的指南針)，所以當我們身體傾斜或翻轉時，透過地心引力的影響讓身體內部機構可感受到其傾斜或翻轉。於是，將此概念應用到科技工業上，像電玩的 體感遊戲 (Wii, Kinect...) 、 飛行器 、 懸臂旋轉 、 震動感測 ...等都使用到相關元件，本文針對三軸重力加速計的晶片做測試研究，希望能獲得更多的應用靈感。首先，找一顆晶片試試吧！Arduino 開發套件常見的三軸加速計，使用的是 ADI ADXL335/345 晶片，因此我買了一個來測試玩玩看，並用 NXP LPC1114 晶片來設計系統。         三軸重力加速計晶片是 MEMS 設計工藝，能將這種感測技術設計到小晶片裡面，不得不佩服這群工程人員。由於地表的重力加速度有方向性，晶片又根據該重力為基準來測量三軸的變化，所以晶片與三軸的方向座標必須先定義好，如下面圖一所示，晶片面朝上為 Z軸。以圖一為例，晶片放置水平，量測到的重力數值為 X 軸 0g, Y 軸 0g, Z軸 1g。然後，該晶片內部再將這三軸的物理量轉換成電壓值輸出。實驗中，我手上拿到的是 ADXL335，它是輸出三軸的電壓值，所以設計系統時需要選用具有 ADC 功能的 MCU ，才能將這三個電壓值轉換回重力值。此外，ADI 還開發另一顆 ADXL345 晶片，與 ADXL335 晶片有些不一樣的地方，前者內部已有包含 ADC 功能，能將重力值直接轉換成數位值，並使用 I2C / SPI 介面和外部通訊，提供使用者不同的選擇。 圖一：晶片的三軸方向座標 規格分析         三軸重力加速計晶片在使用前先要找到 0g 的電壓值，這也是校正歸零的步驟。雖然每顆晶片出廠前都經過測試，但是每顆晶片之間的物理特性還是存在一點點差距，這種差距...
Read more »

[應用] 在 ESP32 Audio 開發板的 VoIP 範例

-
圖片
開發板介紹         安信可 公司(Ai-Thinker)基於 ESP32 晶片推出一塊具有語音功能的 ESP32 Audio Kit 開發板，簡稱 ESP32-A1S，它與原廠的 ESP32 Lyrat 開發板都使用同一套 ESP-ADF SDK 軟體，但是開發板的電路有些差異，底層的驅動程式需要替換才能順利開發。         首先，最大的差異在 ESP32-A1S 語音編碼晶片採用 AC101 ，不過晶片被封裝在 ESP32 模組上，所以我們在開發板上面看不到這顆晶片，然而 ESP32 Lyrat 板採用 ES8388 晶片，因此在 ESP-ADF 中語音編碼的驅動程式需要更替。另外，其他不一樣的地方都在 GPIO 接腳的連接上，整理後，如下表所示，我們需要調整 ADF 底層的 HAL 和 Board 的配置，SDK 才能正常使用。 表一：ESP32-Lyrat 與 Audio Kit 開發板的差異         第一步，下載 ESP-ADF。在 VS Code 開發環境下[1]，按 F1 後，選取 "Install ESP-ADF"，VS Code 會自動從 GitHub 下載，並安裝 ADF 開發套件。如果是使用 ESP32-Lyrat 板子，可以直接跳到第四步，創建範例開始開發了。使用 ESP32-A1S 板子前，需要調整一下底層代碼，接續前面動作，我們從 GitHub 下載 A1S 的驅動程式， ESP32-A1S-AudioKit  程式碼，其目錄結構與 ADF 一樣，方便我們相互比對兩者差異。         第二步，到  \esp-adf\components\ audio_hal \driver 目錄下，將下載 A1S 裡的 AC101 驅動程式放進來。接著，要將 ac101 目錄和 ac101.c 加到  CMakeLists.txt 文件，同樣也要加到  component.mk 文件裡 ，這樣編譯過程就會把 AC101 驅動程式加進來編譯了。         第三步，我們再到...
Read more »

[筆記] Visual Studio 遠端偵錯的設定步驟

-
圖片
        通常我們用微軟Visual Studio IDE開發程式並且在本機上運行與除錯，但隨著開發系統越來越複雜，程式運行在某台服務器上而不是自己的機器，這時候需要進行遠端程式的除錯，架構如下圖一所示。自己的主機要安裝微軟的Visual Studio 2017 IDE，待測的機器上面要有Remote Debugger工具，雙方透過網路的連線進行除錯。 圖一：遠端除錯與待測機器 [步驟]： 1) 在自己主機上的Visual Studio目錄下面找Remote Debugger這個工具目錄，然後把Remote Debugger工具複製到待測機器上。 2) 程式的除錯屬性要設定正確，屬性頁的遠端Windows偵測工具，如下圖二所示。我們必須設定遠端命令 、 工作目錄 、 遠端機器IP 、連接是否驗證...等等，連線的權限要配合遠端機器的設定。 3) 在遠端機器上的Remote Debugger目錄，開啟 msvsmon.exe，這時只要到工具選單設定連線的權限，如下圖三所示。圖中是設為無權限的方式，不需要驗證使用者。 4) 在VS IDE環境運行遠端Windows偵錯工具，如果發現遠端機器上出現錯誤，錯誤的原因是缺少某些 dll 檔案，如：msvcp140D.dll 、ucrtbased.dll... 。我們在本地主機上找找看這些缺少的檔案，應該能找到，然後再複製到遠端機器的 \Windows\System32 目錄底下。 5) 最後，編譯我們的程式後，要再把exe 、 pdb檔案複製到遠端機器的工作目錄上。接著，運行我們的程式遠端 debug，這樣就可以一步步看著遠端機器上的程式怎麼執行了。 C++遠程偵錯 圖二：C++程式的遠端屬性設定 圖三：遠端機器的連線權限設定 C#遠程偵錯 圖四：C# 程式的遠端偵錯設定
Read more »

[應用] App Inventor 2 之語音辨識元件

-
圖片
        過去我們研究各種平台上的語音辨識功能，像是雲端服務的一文  雲運算之語音辨識 (Speech To Text)  [1]，或者單晶片的離線辨識一文  LD3320 離線語音辨識晶片與 ESP32 無線傳輸  [2]。這次我們研究安卓系統的語音辨識，在 APP Inventor 2 的多媒體選單中提供語音辨識元件，元件屬性有 "UseLegacy"，如果勾選它，每當調用這個元件時，手機畫面會彈出一個畫面，準備運行語音辨識。這個屬性只能允許一次性的辨識過程，需要再次調用元件才能進行下次辨識，如果要連續辨識的話，我們就必須 uncheck 這個屬性。         底下的積木流程圖採用連續語音辨識的屬性所設計的，不過開發過程中遇到一個問題，系統會不斷地彈跳出錯誤訊息，然後語音辨識過程就中斷了。在網路上也有人遇到同樣的情況[3][4]， 現階段 處理的方式是把這些錯誤訊息抓出來，其中編號 3806 錯誤 (No Match) 出現時，重新呼叫語音辨識元件，讓系統再次進入辨識的狀態，但是每次出現錯誤訊息手機就會發出嗶嗶聲，有點惱人。或許，未來安卓系統會提供這個元件有更好的解決辦法，目前就先用上述的方式 work around 吧！最後一點，這個元件需要用到手機的網路，因為語音辨識的服務放在雲端上，如果沒有公眾網路，辨識是不起作用的。 圖一：APP 語音辨識積木流程圖 影片： App Inventor 語音辨識元件 參考資料 [1]  雲運算之語音辨識 (Speech To Text) [2]  LD3320 離線語音辨識晶片與 ESP32 無線傳輸 [3]  錯誤訊息 3806 [4]  App inventor : SpeechRecognizer 語音辨識
Read more »