|
|
<!--
|
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
|
{
|
|
|
"original_hash": "a202fa5889790a3777bfc33dd9f4b459",
|
|
|
"translation_date": "2025-08-25T00:11:49+00:00",
|
|
|
"source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md",
|
|
|
"language_code": "zh"
|
|
|
}
|
|
|
-->
|
|
|
# 文本转语音 - Wio Terminal
|
|
|
|
|
|
在本课的这一部分，你将把文本转换为语音，以提供语音反馈。
|
|
|
|
|
|
## 文本转语音
|
|
|
|
|
|
在上一课中你使用的语音服务 SDK 将语音转换为文本，现在可以用来将文本转换回语音。
|
|
|
|
|
|
## 获取语音列表
|
|
|
|
|
|
在请求语音时，你需要提供使用的语音，因为语音可以通过多种不同的声音生成。每种语言支持一系列不同的语音，你可以通过语音服务 SDK 获取每种语言支持的语音列表。然而，这里会受到微控制器的限制——获取文本转语音服务支持的语音列表的调用会返回一个大小超过 77KB 的 JSON 文档，这远远超出了 Wio Terminal 的处理能力。截至撰写本文时，完整的语音列表包含 215 种语音，每种语音由如下所示的 JSON 文档定义：
|
|
|
|
|
|
```json
|
|
|
{
|
|
|
"Name": "Microsoft Server Speech Text to Speech Voice (en-US, AriaNeural)",
|
|
|
"DisplayName": "Aria",
|
|
|
"LocalName": "Aria",
|
|
|
"ShortName": "en-US-AriaNeural",
|
|
|
"Gender": "Female",
|
|
|
"Locale": "en-US",
|
|
|
"StyleList": [
|
|
|
"chat",
|
|
|
"customerservice",
|
|
|
"narration-professional",
|
|
|
"newscast-casual",
|
|
|
"newscast-formal",
|
|
|
"cheerful",
|
|
|
"empathetic"
|
|
|
],
|
|
|
"SampleRateHertz": "24000",
|
|
|
"VoiceType": "Neural",
|
|
|
"Status": "GA"
|
|
|
}
|
|
|
```
|
|
|
|
|
|
这是 **Aria** 语音的 JSON，它有多种语音风格。在将文本转换为语音时，只需要短名称 `en-US-AriaNeural`。
|
|
|
|
|
|
与其在微控制器上下载和解码整个列表，不如编写一些无服务器代码来获取你所使用语言的语音列表，并从 Wio Terminal 调用它。你的代码可以从列表中选择一个合适的语音，例如找到的第一个语音。
|
|
|
|
|
|
### 任务 - 创建一个无服务器函数以获取语音列表
|
|
|
|
|
|
1. 在 VS Code 中打开你的 `smart-timer-trigger` 项目，并确保虚拟环境已激活。如果没有，请终止并重新创建终端。
|
|
|
|
|
|
1. 打开 `local.settings.json` 文件，并为语音 API 密钥和位置添加设置：
|
|
|
|
|
|
```json
|
|
|
"SPEECH_KEY": "<key>",
|
|
|
"SPEECH_LOCATION": "<location>"
|
|
|
```
|
|
|
|
|
|
将 `<key>` 替换为你的语音服务资源的 API 密钥。将 `<location>` 替换为你创建语音服务资源时使用的位置。
|
|
|
|
|
|
1. 使用以下命令在 VS Code 终端中函数应用项目的根文件夹内添加一个名为 `get-voices` 的 HTTP 触发器：
|
|
|
|
|
|
```sh
|
|
|
func new --name get-voices --template "HTTP trigger"
|
|
|
```
|
|
|
|
|
|
这将创建一个名为 `get-voices` 的 HTTP 触发器。
|
|
|
|
|
|
1. 将 `get-voices` 文件夹中的 `__init__.py` 文件内容替换为以下内容：
|
|
|
|
|
|
```python
|
|
|
import json
|
|
|
import os
|
|
|
import requests
|
|
|
|
|
|
import azure.functions as func
|
|
|
|
|
|
def main(req: func.HttpRequest) -> func.HttpResponse:
|
|
|
location = os.environ['SPEECH_LOCATION']
|
|
|
speech_key = os.environ['SPEECH_KEY']
|
|
|
|
|
|
req_body = req.get_json()
|
|
|
language = req_body['language']
|
|
|
|
|
|
url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/voices/list'
|
|
|
|
|
|
headers = {
|
|
|
'Ocp-Apim-Subscription-Key': speech_key
|
|
|
}
|
|
|
|
|
|
response = requests.get(url, headers=headers)
|
|
|
voices_json = json.loads(response.text)
|
|
|
|
|
|
voices = filter(lambda x: x['Locale'].lower() == language.lower(), voices_json)
|
|
|
voices = map(lambda x: x['ShortName'], voices)
|
|
|
|
|
|
return func.HttpResponse(json.dumps(list(voices)), status_code=200)
|
|
|
```
|
|
|
|
|
|
这段代码向端点发出 HTTP 请求以获取语音列表。语音列表是一个包含所有语言语音的大型 JSON 块，因此会过滤出请求体中指定语言的语音，然后提取并返回短名称作为 JSON 列表。短名称是将文本转换为语音所需的值，因此只返回该值。
|
|
|
|
|
|
> 💁 你可以根据需要更改过滤器以选择你想要的语音。
|
|
|
|
|
|
这将数据大小从 77KB（撰写本文时）减少到一个更小的 JSON 文档。例如，对于美国语音，这个文档大小为 408 字节。
|
|
|
|
|
|
1. 在本地运行你的函数应用。然后可以使用类似 curl 的工具调用它，就像测试 `text-to-timer` HTTP 触发器一样。确保以 JSON 格式传递语言：
|
|
|
|
|
|
```json
|
|
|
{
|
|
|
"language":"<language>"
|
|
|
}
|
|
|
```
|
|
|
|
|
|
将 `<language>` 替换为你的语言，例如 `en-GB` 或 `zh-CN`。
|
|
|
|
|
|
> 💁 你可以在 [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions) 文件夹中找到这段代码。
|
|
|
|
|
|
### 任务 - 从 Wio Terminal 获取语音
|
|
|
|
|
|
1. 如果尚未打开，请在 VS Code 中打开 `smart-timer` 项目。
|
|
|
|
|
|
1. 打开 `config.h` 头文件，并添加你的函数应用的 URL：
|
|
|
|
|
|
```cpp
|
|
|
const char *GET_VOICES_FUNCTION_URL = "<URL>";
|
|
|
```
|
|
|
|
|
|
将 `<URL>` 替换为你的函数应用中 `get-voices` HTTP 触发器的 URL。这将与 `TEXT_TO_TIMER_FUNCTION_URL` 的值相同，只是函数名称从 `text-to-timer` 改为 `get-voices`。
|
|
|
|
|
|
1. 在 `src` 文件夹中创建一个名为 `text_to_speech.h` 的新文件。这将用于定义一个类以实现从文本到语音的转换。
|
|
|
|
|
|
1. 在新的 `text_to_speech.h` 文件顶部添加以下 include 指令：
|
|
|
|
|
|
```cpp
|
|
|
#pragma once
|
|
|
|
|
|
#include <Arduino.h>
|
|
|
#include <ArduinoJson.h>
|
|
|
#include <HTTPClient.h>
|
|
|
#include <Seeed_FS.h>
|
|
|
#include <SD/Seeed_SD.h>
|
|
|
#include <WiFiClient.h>
|
|
|
#include <WiFiClientSecure.h>
|
|
|
|
|
|
#include "config.h"
|
|
|
#include "speech_to_text.h"
|
|
|
```
|
|
|
|
|
|
1. 在此之下添加以下代码，声明 `TextToSpeech` 类，以及一个可以在应用程序的其余部分中使用的实例：
|
|
|
|
|
|
```cpp
|
|
|
class TextToSpeech
|
|
|
{
|
|
|
public:
|
|
|
private:
|
|
|
};
|
|
|
|
|
|
TextToSpeech textToSpeech;
|
|
|
```
|
|
|
|
|
|
1. 为了调用函数应用，你需要声明一个 WiFi 客户端。在类的 `private` 部分添加以下内容：
|
|
|
|
|
|
```cpp
|
|
|
WiFiClient _client;
|
|
|
```
|
|
|
|
|
|
1. 在 `private` 部分添加一个字段以存储选定的语音：
|
|
|
|
|
|
```cpp
|
|
|
String _voice;
|
|
|
```
|
|
|
|
|
|
1. 在 `public` 部分添加一个 `init` 函数，用于获取第一个语音：
|
|
|
|
|
|
```cpp
|
|
|
void init()
|
|
|
{
|
|
|
}
|
|
|
```
|
|
|
|
|
|
1. 为了获取语音，需要向函数应用发送一个包含语言的 JSON 文档。在 `init` 函数中添加以下代码以创建该 JSON 文档：
|
|
|
|
|
|
```cpp
|
|
|
DynamicJsonDocument doc(1024);
|
|
|
doc["language"] = LANGUAGE;
|
|
|
|
|
|
String body;
|
|
|
serializeJson(doc, body);
|
|
|
```
|
|
|
|
|
|
1. 接下来创建一个 `HTTPClient`，然后使用它调用函数应用以获取语音，发送 JSON 文档：
|
|
|
|
|
|
```cpp
|
|
|
HTTPClient httpClient;
|
|
|
httpClient.begin(_client, GET_VOICES_FUNCTION_URL);
|
|
|
|
|
|
int httpResponseCode = httpClient.POST(body);
|
|
|
```
|
|
|
|
|
|
1. 在此之下添加代码以检查响应代码，如果是 200（成功），则提取语音列表并从列表中获取第一个语音：
|
|
|
|
|
|
```cpp
|
|
|
if (httpResponseCode == 200)
|
|
|
{
|
|
|
String result = httpClient.getString();
|
|
|
Serial.println(result);
|
|
|
|
|
|
DynamicJsonDocument doc(1024);
|
|
|
deserializeJson(doc, result.c_str());
|
|
|
|
|
|
JsonArray obj = doc.as<JsonArray>();
|
|
|
_voice = obj[0].as<String>();
|
|
|
|
|
|
Serial.print("Using voice ");
|
|
|
Serial.println(_voice);
|
|
|
}
|
|
|
else
|
|
|
{
|
|
|
Serial.print("Failed to get voices - error ");
|
|
|
Serial.println(httpResponseCode);
|
|
|
}
|
|
|
```
|
|
|
|
|
|
1. 在此之后，结束 HTTP 客户端连接：
|
|
|
|
|
|
```cpp
|
|
|
httpClient.end();
|
|
|
```
|
|
|
|
|
|
1. 打开 `main.cpp` 文件，在顶部添加以下 include 指令以包含这个新头文件：
|
|
|
|
|
|
```cpp
|
|
|
#include "text_to_speech.h"
|
|
|
```
|
|
|
|
|
|
1. 在 `setup` 函数中，在调用 `speechToText.init();` 的下面添加以下内容以初始化 `TextToSpeech` 类：
|
|
|
|
|
|
```cpp
|
|
|
textToSpeech.init();
|
|
|
```
|
|
|
|
|
|
1. 构建代码，将其上传到你的 Wio Terminal，并通过串口监视器进行测试。确保你的函数应用正在运行。
|
|
|
|
|
|
你将看到函数应用返回的可用语音列表，以及选定的语音。
|
|
|
|
|
|
```output
|
|
|
--- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
|
|
|
--- More details at http://bit.ly/pio-monitor-filters
|
|
|
--- Miniterm on /dev/cu.usbmodem1101 9600,8,N,1 ---
|
|
|
--- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
|
|
|
Connecting to WiFi..
|
|
|
Connected!
|
|
|
Got access token.
|
|
|
["en-US-JennyNeural", "en-US-JennyMultilingualNeural", "en-US-GuyNeural", "en-US-AriaNeural", "en-US-AmberNeural", "en-US-AnaNeural", "en-US-AshleyNeural", "en-US-BrandonNeural", "en-US-ChristopherNeural", "en-US-CoraNeural", "en-US-ElizabethNeural", "en-US-EricNeural", "en-US-JacobNeural", "en-US-MichelleNeural", "en-US-MonicaNeural", "en-US-AriaRUS", "en-US-BenjaminRUS", "en-US-GuyRUS", "en-US-ZiraRUS"]
|
|
|
Using voice en-US-JennyNeural
|
|
|
Ready.
|
|
|
```
|
|
|
|
|
|
## 将文本转换为语音
|
|
|
|
|
|
一旦你有了一个可用的语音，就可以用它将文本转换为语音。与语音列表相同的内存限制也适用于将文本转换为语音，因此你需要将语音写入 SD 卡，以便通过 ReSpeaker 播放。
|
|
|
|
|
|
> 💁 在本项目的早期课程中，你使用闪存存储从麦克风捕获的语音。本课使用 SD 卡，因为使用 Seeed 音频库从 SD 卡播放音频更为方便。
|
|
|
|
|
|
还有另一个限制需要考虑，即语音服务提供的音频数据和 Wio Terminal 支持的格式。与完整的计算机不同，微控制器的音频库对支持的音频格式可能非常有限。例如，Seeed Arduino Audio 库仅支持 44.1KHz 采样率的音频。而 Azure 语音服务可以提供多种格式的音频，但没有一种使用 44.1KHz，它们仅提供 8KHz、16KHz、24KHz 和 48KHz。这意味着音频需要重新采样为 44.1KHz，这需要比 Wio Terminal 拥有的更多资源，尤其是内存。
|
|
|
|
|
|
在需要处理此类数据时，通常更适合使用无服务器代码，尤其是当数据通过网络调用获取时。Wio Terminal 可以调用一个无服务器函数，传递要转换的文本，而无服务器函数可以调用语音服务将文本转换为语音，同时将音频重新采样为所需的采样率。然后，它可以以 Wio Terminal 所需的格式返回音频，以便存储在 SD 卡上并通过 ReSpeaker 播放。
|
|
|
|
|
|
### 任务 - 创建一个无服务器函数以将文本转换为语音
|
|
|
|
|
|
1. 在 VS Code 中打开你的 `smart-timer-trigger` 项目，并确保虚拟环境已激活。如果没有，请终止并重新创建终端。
|
|
|
|
|
|
1. 使用以下命令在 VS Code 终端中函数应用项目的根文件夹内添加一个名为 `text-to-speech` 的 HTTP 触发器：
|
|
|
|
|
|
```sh
|
|
|
func new --name text-to-speech --template "HTTP trigger"
|
|
|
```
|
|
|
|
|
|
这将创建一个名为 `text-to-speech` 的 HTTP 触发器。
|
|
|
|
|
|
1. [librosa](https://librosa.org) Pip 包提供了重新采样音频的功能，因此将其添加到 `requirements.txt` 文件中：
|
|
|
|
|
|
```sh
|
|
|
librosa
|
|
|
```
|
|
|
|
|
|
添加后，使用以下命令从 VS Code 终端安装 Pip 包：
|
|
|
|
|
|
```sh
|
|
|
pip install -r requirements.txt
|
|
|
```
|
|
|
|
|
|
> ⚠️ 如果你使用的是 Linux，包括 Raspberry Pi OS，可能需要使用以下命令安装 `libsndfile`：
|
|
|
>
|
|
|
> ```sh
|
|
|
> sudo apt update
|
|
|
> sudo apt install libsndfile1-dev
|
|
|
> ```
|
|
|
|
|
|
1. 要将文本转换为语音，你不能直接使用语音 API 密钥，而是需要请求一个访问令牌，并使用 API 密钥对访问令牌请求进行身份验证。从 `text-to-speech` 文件夹中打开 `__init__.py` 文件，并将其中的所有代码替换为以下内容：
|
|
|
|
|
|
```python
|
|
|
import io
|
|
|
import os
|
|
|
import requests
|
|
|
|
|
|
import librosa
|
|
|
import soundfile as sf
|
|
|
import azure.functions as func
|
|
|
|
|
|
location = os.environ['SPEECH_LOCATION']
|
|
|
speech_key = os.environ['SPEECH_KEY']
|
|
|
|
|
|
def get_access_token():
|
|
|
headers = {
|
|
|
'Ocp-Apim-Subscription-Key': speech_key
|
|
|
}
|
|
|
|
|
|
token_endpoint = f'https://{location}.api.cognitive.microsoft.com/sts/v1.0/issuetoken'
|
|
|
response = requests.post(token_endpoint, headers=headers)
|
|
|
return str(response.text)
|
|
|
```
|
|
|
|
|
|
这定义了从设置中读取的位置和语音密钥常量。然后定义了 `get_access_token` 函数，用于检索语音服务的访问令牌。
|
|
|
|
|
|
1. 在这段代码下面，添加以下内容：
|
|
|
|
|
|
```python
|
|
|
playback_format = 'riff-48khz-16bit-mono-pcm'
|
|
|
|
|
|
def main(req: func.HttpRequest) -> func.HttpResponse:
|
|
|
req_body = req.get_json()
|
|
|
language = req_body['language']
|
|
|
voice = req_body['voice']
|
|
|
text = req_body['text']
|
|
|
|
|
|
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
|
|
|
}
|
|
|
|
|
|
ssml = f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
|
|
|
ssml += f'<voice xml:lang=\'{language}\' name=\'{voice}\'>'
|
|
|
ssml += text
|
|
|
ssml += '</voice>'
|
|
|
ssml += '</speak>'
|
|
|
|
|
|
response = requests.post(url, headers=headers, data=ssml.encode('utf-8'))
|
|
|
|
|
|
raw_audio, sample_rate = librosa.load(io.BytesIO(response.content), sr=48000)
|
|
|
resampled = librosa.resample(raw_audio, sample_rate, 44100)
|
|
|
|
|
|
output_buffer = io.BytesIO()
|
|
|
sf.write(output_buffer, resampled, 44100, 'PCM_16', format='wav')
|
|
|
output_buffer.seek(0)
|
|
|
|
|
|
return func.HttpResponse(output_buffer.read(), status_code=200)
|
|
|
```
|
|
|
|
|
|
这定义了将文本转换为语音的 HTTP 触发器。它从发送到请求的 JSON 主体中提取要转换的文本、语言和语音，构建一些 SSML 来请求语音，然后调用相关的 REST API，并使用访问令牌进行身份验证。此 REST API 调用返回编码为 16 位、48KHz 单声道 WAV 文件的音频，由 `playback_format` 的值定义，并发送到 REST API 调用。
|
|
|
|
|
|
然后，`librosa` 将此音频从 48KHz 的采样率重新采样为 44.1KHz 的采样率，接着将此音频保存到一个二进制缓冲区中并返回。
|
|
|
|
|
|
1. 在本地运行你的函数应用，或者将其部署到云端。然后可以使用类似 curl 的工具调用它，就像测试 `text-to-timer` HTTP 触发器一样。确保以 JSON 格式传递语言、语音和文本：
|
|
|
|
|
|
```json
|
|
|
{
|
|
|
"language": "<language>",
|
|
|
"voice": "<voice>",
|
|
|
"text": "<text>"
|
|
|
}
|
|
|
```
|
|
|
|
|
|
将 `<language>` 替换为你的语言，例如 `en-GB` 或 `zh-CN`。将 `<voice>` 替换为你想要使用的语音。将 `<text>` 替换为你想要转换为语音的文本。你可以将输出保存到文件中，并使用任何可以播放 WAV 文件的音频播放器播放它。
|
|
|
|
|
|
例如，要使用美国英语的 Jenny Neural 语音将 "Hello" 转换为语音，并在本地运行函数应用，可以使用以下 curl 命令：
|
|
|
|
|
|
```sh
|
|
|
curl -X GET 'http://localhost:7071/api/text-to-speech' \
|
|
|
-H 'Content-Type: application/json' \
|
|
|
-o hello.wav \
|
|
|
-d '{
|
|
|
"language":"en-US",
|
|
|
"voice": "en-US-JennyNeural",
|
|
|
"text": "Hello"
|
|
|
}'
|
|
|
```
|
|
|
|
|
|
这将在当前目录中将音频保存为 `hello.wav`。
|
|
|
|
|
|
> 💁 你可以在 [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions) 文件夹中找到这段代码。
|
|
|
|
|
|
### 任务 - 从 Wio Terminal 获取语音
|
|
|
|
|
|
1. 如果尚未打开，请在 VS Code 中打开 `smart-timer` 项目。
|
|
|
|
|
|
1. 打开 `config.h` 头文件，并添加你的函数应用的 URL：
|
|
|
|
|
|
```cpp
|
|
|
const char *TEXT_TO_SPEECH_FUNCTION_URL = "<URL>";
|
|
|
```
|
|
|
|
|
|
将 `<URL>` 替换为你的函数应用中 `text-to-speech` HTTP 触发器的 URL。这将与 `TEXT_TO_TIMER_FUNCTION_URL` 的值相同，只是函数名称从 `text-to-timer` 改为 `text-to-speech`。
|
|
|
|
|
|
1. 打开 `text_to_speech.h` 头文件，并在 `TextToSpeech` 类的 `public` 部分添加以下方法：
|
|
|
|
|
|
```cpp
|
|
|
void convertTextToSpeech(String text)
|
|
|
{
|
|
|
}
|
|
|
```
|
|
|
|
|
|
1. 在 `convertTextToSpeech` 方法中，添加以下代码以创建发送到函数应用的 JSON：
|
|
|
|
|
|
```cpp
|
|
|
DynamicJsonDocument doc(1024);
|
|
|
doc["language"] = LANGUAGE;
|
|
|
doc["voice"] = _voice;
|
|
|
doc["text"] = text;
|
|
|
|
|
|
String body;
|
|
|
serializeJson(doc, body);
|
|
|
```
|
|
|
|
|
|
这会将语言、语音和文本写入 JSON 文档，然后将其序列化为字符串。
|
|
|
|
|
|
1. 在此之下，添加以下代码以调用函数应用：
|
|
|
|
|
|
```cpp
|
|
|
HTTPClient httpClient;
|
|
|
httpClient.begin(_client, TEXT_TO_SPEECH_FUNCTION_URL);
|
|
|
|
|
|
int httpResponseCode = httpClient.POST(body);
|
|
|
```
|
|
|
|
|
|
这会创建一个 HTTPClient，然后使用 JSON 文档向文本转语音 HTTP 触发器发出 POST 请求。
|
|
|
|
|
|
1. 如果调用成功，从函数应用调用返回的原始二进制数据可以流式传输到 SD 卡上的文件中。添加以下代码以实现此操作：
|
|
|
|
|
|
```cpp
|
|
|
if (httpResponseCode == 200)
|
|
|
{
|
|
|
File wav_file = SD.open("SPEECH.WAV", FILE_WRITE);
|
|
|
httpClient.writeToStream(&wav_file);
|
|
|
wav_file.close();
|
|
|
}
|
|
|
else
|
|
|
{
|
|
|
Serial.print("Failed to get speech - error ");
|
|
|
Serial.println(httpResponseCode);
|
|
|
}
|
|
|
```
|
|
|
|
|
|
这段代码检查响应，如果是 200（成功），则将二进制数据流式传输到 SD 卡根目录中的一个名为 `SPEECH.WAV` 的文件中。
|
|
|
|
|
|
1. 在此方法的末尾，关闭 HTTP 连接：
|
|
|
|
|
|
```cpp
|
|
|
httpClient.end();
|
|
|
```
|
|
|
|
|
|
1. 现在可以将要说的文本转换为音频。在 `main.cpp` 文件中，在 `say` 函数的末尾添加以下行，将要说的文本转换为音频：
|
|
|
```cpp
|
|
|
textToSpeech.convertTextToSpeech(text);
|
|
|
```
|
|
|
|
|
|
### 任务 - 从 Wio Terminal 播放音频
|
|
|
|
|
|
**即将推出**
|
|
|
|
|
|
## 将函数应用部署到云端
|
|
|
|
|
|
在本地运行函数应用的原因是，Linux 上的 `librosa` Pip 包依赖于一个默认未安装的库，而在函数应用运行之前需要先安装这个库。函数应用是无服务器的——没有可以自行管理的服务器，因此无法提前安装这个库。
|
|
|
|
|
|
解决方法是使用 Docker 容器来部署函数应用。每当云端需要启动函数应用的新实例时（例如，当需求超过可用资源时，或者函数应用长时间未使用而被关闭时），都会部署这个容器。
|
|
|
|
|
|
您可以在 [Microsoft Docs 上关于使用自定义容器在 Linux 上创建函数的文档](https://docs.microsoft.com/azure/azure-functions/functions-create-function-linux-custom-image?WT.mc_id=academic-17441-jabenn&tabs=bash%2Cazurecli&pivots=programming-language-python) 中找到设置函数应用并通过 Docker 部署的说明。
|
|
|
|
|
|
一旦部署完成，您可以将 Wio Terminal 的代码移植以访问这个函数：
|
|
|
|
|
|
1. 将 Azure Functions 证书添加到 `config.h` 中：
|
|
|
|
|
|
```cpp
|
|
|
const char *FUNCTIONS_CERTIFICATE =
|
|
|
"-----BEGIN CERTIFICATE-----\r\n"
|
|
|
"MIIFWjCCBEKgAwIBAgIQDxSWXyAgaZlP1ceseIlB4jANBgkqhkiG9w0BAQsFADBa\r\n"
|
|
|
"MQswCQYDVQQGEwJJRTESMBAGA1UEChMJQmFsdGltb3JlMRMwEQYDVQQLEwpDeWJl\r\n"
|
|
|
"clRydXN0MSIwIAYDVQQDExlCYWx0aW1vcmUgQ3liZXJUcnVzdCBSb290MB4XDTIw\r\n"
|
|
|
"MDcyMTIzMDAwMFoXDTI0MTAwODA3MDAwMFowTzELMAkGA1UEBhMCVVMxHjAcBgNV\r\n"
|
|
|
"BAoTFU1pY3Jvc29mdCBDb3Jwb3JhdGlvbjEgMB4GA1UEAxMXTWljcm9zb2Z0IFJT\r\n"
|
|
|
"QSBUTFMgQ0EgMDEwggIiMA0GCSqGSIb3DQEBAQUAA4ICDwAwggIKAoICAQCqYnfP\r\n"
|
|
|
"mmOyBoTzkDb0mfMUUavqlQo7Rgb9EUEf/lsGWMk4bgj8T0RIzTqk970eouKVuL5R\r\n"
|
|
|
"IMW/snBjXXgMQ8ApzWRJCZbar879BV8rKpHoAW4uGJssnNABf2n17j9TiFy6BWy+\r\n"
|
|
|
"IhVnFILyLNK+W2M3zK9gheiWa2uACKhuvgCca5Vw/OQYErEdG7LBEzFnMzTmJcli\r\n"
|
|
|
"W1iCdXby/vI/OxbfqkKD4zJtm45DJvC9Dh+hpzqvLMiK5uo/+aXSJY+SqhoIEpz+\r\n"
|
|
|
"rErHw+uAlKuHFtEjSeeku8eR3+Z5ND9BSqc6JtLqb0bjOHPm5dSRrgt4nnil75bj\r\n"
|
|
|
"c9j3lWXpBb9PXP9Sp/nPCK+nTQmZwHGjUnqlO9ebAVQD47ZisFonnDAmjrZNVqEX\r\n"
|
|
|
"F3p7laEHrFMxttYuD81BdOzxAbL9Rb/8MeFGQjE2Qx65qgVfhH+RsYuuD9dUw/3w\r\n"
|
|
|
"ZAhq05yO6nk07AM9c+AbNtRoEcdZcLCHfMDcbkXKNs5DJncCqXAN6LhXVERCw/us\r\n"
|
|
|
"G2MmCMLSIx9/kwt8bwhUmitOXc6fpT7SmFvRAtvxg84wUkg4Y/Gx++0j0z6StSeN\r\n"
|
|
|
"0EJz150jaHG6WV4HUqaWTb98Tm90IgXAU4AW2GBOlzFPiU5IY9jt+eXC2Q6yC/Zp\r\n"
|
|
|
"TL1LAcnL3Qa/OgLrHN0wiw1KFGD51WRPQ0Sh7QIDAQABo4IBJTCCASEwHQYDVR0O\r\n"
|
|
|
"BBYEFLV2DDARzseSQk1Mx1wsyKkM6AtkMB8GA1UdIwQYMBaAFOWdWTCCR1jMrPoI\r\n"
|
|
|
"VDaGezq1BE3wMA4GA1UdDwEB/wQEAwIBhjAdBgNVHSUEFjAUBggrBgEFBQcDAQYI\r\n"
|
|
|
"KwYBBQUHAwIwEgYDVR0TAQH/BAgwBgEB/wIBADA0BggrBgEFBQcBAQQoMCYwJAYI\r\n"
|
|
|
"KwYBBQUHMAGGGGh0dHA6Ly9vY3NwLmRpZ2ljZXJ0LmNvbTA6BgNVHR8EMzAxMC+g\r\n"
|
|
|
"LaArhilodHRwOi8vY3JsMy5kaWdpY2VydC5jb20vT21uaXJvb3QyMDI1LmNybDAq\r\n"
|
|
|
"BgNVHSAEIzAhMAgGBmeBDAECATAIBgZngQwBAgIwCwYJKwYBBAGCNyoBMA0GCSqG\r\n"
|
|
|
"SIb3DQEBCwUAA4IBAQCfK76SZ1vae4qt6P+dTQUO7bYNFUHR5hXcA2D59CJWnEj5\r\n"
|
|
|
"na7aKzyowKvQupW4yMH9fGNxtsh6iJswRqOOfZYC4/giBO/gNsBvwr8uDW7t1nYo\r\n"
|
|
|
"DYGHPpvnpxCM2mYfQFHq576/TmeYu1RZY29C4w8xYBlkAA8mDJfRhMCmehk7cN5F\r\n"
|
|
|
"JtyWRj2cZj/hOoI45TYDBChXpOlLZKIYiG1giY16vhCRi6zmPzEwv+tk156N6cGS\r\n"
|
|
|
"Vm44jTQ/rs1sa0JSYjzUaYngoFdZC4OfxnIkQvUIA4TOFmPzNPEFdjcZsgbeEz4T\r\n"
|
|
|
"cGHTBPK4R28F44qIMCtHRV55VMX53ev6P3hRddJb\r\n"
|
|
|
"-----END CERTIFICATE-----\r\n";
|
|
|
```
|
|
|
|
|
|
1. 将所有包含的 `<WiFiClient.h>` 更改为 `<WiFiClientSecure.h>`。
|
|
|
|
|
|
1. 将所有 `WiFiClient` 字段更改为 `WiFiClientSecure`。
|
|
|
|
|
|
1. 在每个包含 `WiFiClientSecure` 字段的类中，添加一个构造函数，并在该构造函数中设置证书：
|
|
|
|
|
|
```cpp
|
|
|
_client.setCACert(FUNCTIONS_CERTIFICATE);
|
|
|
```
|
|
|
|
|
|
**免责声明**：
|
|
|
本文档使用AI翻译服务 [Co-op Translator](https://github.com/Azure/co-op-translator) 进行翻译。尽管我们努力确保翻译的准确性，但请注意，自动翻译可能包含错误或不准确之处。应以原文档的原始语言版本为权威来源。对于关键信息，建议使用专业人工翻译。我们对于因使用本翻译而引起的任何误解或误读不承担责任。 |
