7.5 KiB

Raw Permalink Blame History

Texto para fala - Raspberry Pi

Nesta parte da lição, vais escrever código para converter texto em fala utilizando o serviço de fala.

Converter texto em fala utilizando o serviço de fala

O texto pode ser enviado ao serviço de fala através da API REST para obter a fala como um ficheiro de áudio que pode ser reproduzido no teu dispositivo IoT. Ao solicitar a fala, precisas de indicar a voz a ser utilizada, uma vez que a fala pode ser gerada com uma variedade de vozes diferentes.

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

Tarefa - obter uma voz

Abre o projeto smart-timer no VS Code.
Adiciona 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 utiliza o serviço de fala para obter uma lista de vozes. Em seguida, encontra a primeira voz que corresponde ao idioma que está a ser utilizado.

Esta função é chamada para armazenar a primeira voz, e o nome da voz é impresso na consola. Esta voz pode ser solicitada uma vez e o valor utilizado em cada chamada para converter texto em fala.
💁 Podes obter a lista completa de vozes suportadas na documentação de suporte de idiomas e vozes no Microsoft Docs. Se quiseres utilizar uma voz específica, podes remover esta função e definir diretamente o nome da voz a partir desta documentação. Por exemplo:
```
voice = 'hi-IN-SwaraNeural'
```

Tarefa - converter texto em fala

Abaixo disto, define uma constante para o formato de áudio a ser obtido dos serviços de fala. Quando solicitas áudio, podes fazê-lo em vários formatos diferentes.
```
playback_format = 'riff-48khz-16bit-mono-pcm'
```
O formato que podes utilizar depende do teu hardware. Se obtiveres erros de Invalid sample rate ao reproduzir o áudio, altera isto para outro valor. Podes encontrar a lista de valores suportados na documentação da API REST de texto para fala no Microsoft Docs. Vais precisar de utilizar áudio no formato riff, e os valores a experimentar são riff-16khz-16bit-mono-pcm, riff-24khz-16bit-mono-pcm e riff-48khz-16bit-mono-pcm.
Abaixo disto, declara uma função chamada get_speech que irá converter o texto em fala utilizando a API REST do serviço de fala:
```
def get_speech(text):
```

Na função get_speech, define o URL a ser chamado e os cabeçalhos a serem enviados:

    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
    }

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

Abaixo disto, define o SSML a ser enviado à 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 ser utilizada, juntamente com o texto a ser convertido.

Finalmente, adiciona 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, define uma nova função para reproduzir o áudio retornado pela chamada à API REST:
```
def play_speech(speech):
```

O speech passado para esta função será os dados binários de áudio retornados pela API REST. Utiliza o seguinte código para abrir isto como um ficheiro 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 utiliza um stream do PyAudio, tal como na captura de áudio. A diferença aqui é que o stream é configurado como um stream de saída, e os dados são lidos a partir dos dados de áudio e enviados para o stream.

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

Substitui 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.
Executa a aplicação e certifica-te de que a aplicação de função também está a ser executada. Define alguns temporizadores e vais ouvir uma resposta falada a dizer que o teu temporizador foi definido, e outra resposta falada quando o temporizador terminar.

Se obtiveres erros de Invalid sample rate, altera o playback_format conforme descrito acima.

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

😀 O teu 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 na sua língua nativa deve ser considerado a fonte autoritária. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.

7.5 KiB Raw Permalink Blame History