7.4 KiB

Raw Permalink Blame History

Texto para fala - Raspberry Pi

Nesta parte da lição, você escreverá código para converter texto em fala usando o serviço de fala.

Converter texto em fala usando o serviço de fala

O texto pode ser enviado ao serviço de fala usando a API REST para obter a fala como um arquivo de áudio que pode ser reproduzido no seu dispositivo IoT. Ao solicitar a fala, você precisa fornecer a voz a ser usada, pois a fala pode ser gerada usando uma variedade de vozes diferentes.

Cada idioma suporta uma gama de vozes diferentes, e você pode fazer uma solicitação REST ao serviço de fala para obter a lista de vozes suportadas para cada idioma.

Tarefa - obter uma voz

Abra o projeto smart-timer no VS Code.
Adicione o seguinte código acima da função say para solicitar a lista de vozes para um idioma:
```
def get_voice():
    url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/voices/list'

    headers = {
        'Authorization': 'Bearer ' + get_access_token()
    }

    response = requests.get(url, headers=headers)
    voices_json = json.loads(response.text)

    first_voice = next(x for x in voices_json if x['Locale'].lower() == language.lower() and x['VoiceType'] == 'Neural')
    return first_voice['ShortName']

voice = get_voice()
print(f'Using voice {voice}')
```
Este código define uma função chamada get_voice que usa o serviço de fala para obter uma lista de vozes. Em seguida, encontra a primeira voz que corresponde ao idioma que está sendo usado.

Esta função é chamada para armazenar a primeira voz, e o nome da voz é impresso no console. Essa voz pode ser solicitada uma vez e o valor usado para cada chamada para converter texto em fala.
💁 Você pode obter a lista completa de vozes suportadas na documentação de suporte de idiomas e vozes no Microsoft Docs. Se você quiser usar uma voz específica, pode remover esta função e definir a voz diretamente com o nome da voz da documentação. Por exemplo:
```
voice = 'hi-IN-SwaraNeural'
```

Tarefa - converter texto em fala

Abaixo disso, defina uma constante para o formato de áudio a ser recuperado dos serviços de fala. Ao solicitar áudio, você pode fazê-lo em uma variedade de formatos diferentes.
```
playback_format = 'riff-48khz-16bit-mono-pcm'
```
O formato que você pode usar depende do seu hardware. Se você receber erros de Invalid sample rate ao reproduzir o áudio, altere isso para outro valor. Você pode encontrar a lista de valores suportados na documentação da API REST de texto para fala no Microsoft Docs. Você precisará usar áudio no formato riff, e os valores para tentar são riff-16khz-16bit-mono-pcm, riff-24khz-16bit-mono-pcm e riff-48khz-16bit-mono-pcm.
Abaixo disso, declare uma função chamada get_speech que converterá o texto em fala usando a API REST do serviço de fala:
```
def get_speech(text):
```

Na função get_speech, defina a URL a ser chamada e os cabeçalhos a serem passados:

    url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/v1'

    headers = {
        'Authorization': 'Bearer ' + get_access_token(),
        'Content-Type': 'application/ssml+xml',
        'X-Microsoft-OutputFormat': playback_format
    }

Isso define os cabeçalhos para usar um token de acesso gerado, define o conteúdo como SSML e especifica o formato de áudio necessário.

Abaixo disso, defina o SSML a ser enviado para a API REST:

ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
ssml += f'<voice xml:lang=\'{language}\' name=\'{voice}\'>'
ssml += text
ssml += '</voice>'
ssml += '</speak>'

Este SSML define o idioma e a voz a serem usados, juntamente com o texto a ser convertido.

Por fim, adicione código nesta função para fazer a solicitação REST e retornar os dados binários de áudio:

response = requests.post(url, headers=headers, data=ssml.encode('utf-8'))
return io.BytesIO(response.content)

Tarefa - reproduzir o áudio

Abaixo da função get_speech, defina uma nova função para reproduzir o áudio retornado pela chamada da API REST:
```
def play_speech(speech):
```

O speech passado para esta função será os dados binários de áudio retornados pela API REST. Use o seguinte código para abrir isso como um arquivo wave e passá-lo para o PyAudio para reproduzir o áudio:

def play_speech(speech):
    with wave.open(speech, 'rb') as wave_file:
        stream = audio.open(format=audio.get_format_from_width(wave_file.getsampwidth()),
                            channels=wave_file.getnchannels(),
                            rate=wave_file.getframerate(),
                            output_device_index=speaker_card_number,
                            output=True)

        data = wave_file.readframes(4096)

        while len(data) > 0:
            stream.write(data)
            data = wave_file.readframes(4096)

        stream.stop_stream()
        stream.close()

Este código usa um stream do PyAudio, o mesmo que capturar áudio. A diferença aqui é que o stream é configurado como um stream de saída, e os dados são lidos dos dados de áudio e enviados para o stream.

Em vez de definir os detalhes do stream, como a taxa de amostragem, eles são lidos dos dados de áudio.

Substitua o conteúdo da função say pelo seguinte:
```
speech = get_speech(text)
play_speech(speech)
```
Este código converte o texto em fala como dados binários de áudio e reproduz o áudio.
Execute o aplicativo e certifique-se de que o aplicativo de função também esteja em execução. Configure alguns temporizadores e você ouvirá uma resposta falada dizendo que seu temporizador foi configurado, e outra resposta falada quando o temporizador for concluído.

Se você receber erros de Invalid sample rate, altere o playback_format conforme descrito acima.

💁 Você pode encontrar este código na pasta code-spoken-response/pi.

😀 Seu programa de temporizador foi um sucesso!

Aviso Legal:
Este documento foi traduzido utilizando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte oficial. Para informações críticas, recomenda-se a tradução profissional feita por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.

7.4 KiB Raw Permalink Blame History