Day 14 Azure cognitive service: Text-to-Speech- Azure 念给你听

Azure cognitive service: Text-to-Speech- Azure 念给你听

Text-to-Speech 文字转换语音是 Azure Speech 语音服务中其中一个项目。在语音服务之中，除了提供文字和语音的互相转换以外，还有一些更进阶的服务，如语音翻译、从话语中理解发话者的意图、辨识发话者身份，等等。在这次要执行的 Text-to-Speech 是为了把之前用 OCR 辨识到的韩文，直接转换成语音，让使用者可以不但可以从翻译知道意思，也可以学习发音。

申请 Azure Speech

1. 进入https://portal.azure.com/#home 。
2. 点选建立资源。
3. 搜寻并选择 speech 语音。
   
4. 自己命名。
5. 找到可以选择定价层 Free F0 的区域，并选择 Free F0 。
   
6. 给予标签。
7. 检阅 + 建立。

安装python套件

pip3.7 install azure-cognitiveservices-speech

金钥与端点

• 进入https://portal.azure.com/#home 。
• 点选所有资源。
• 点选刚刚建立的 Speech。
• 点选金钥与端点。
• 复制金钥与端点。
  

示范程序

一开始需要设定 speech config，输入金钥和当初申请时所选择的区域代码，会将字串传给 Speech 转换成语音，语音内容可以在本地端存成wav档。
关於选择区域的代码，可以执行az account list-locations -o table，会列出所有区域相对应的代码，在这边我选择的是美国东部 2 ，对应到的代码就是eastus2。下面有列出对照表可供参考。
另外，这里也需要设定发音的语系，关於语系设定的代码，可以从此语言支援文件查询。

from azure.cognitiveservices.speech import (
    SpeechConfig,
    SpeechSynthesizer,
)

# 输入金钥和区域，设定config
SPEECH_KEY = "你的金钥"
speech_config = SpeechConfig(subscription=SPEECH_KEY, region="eastus2")

# 因为後续要针对韩文发音，所以设定成"ko-KR"
speech_config.speech_synthesis_language = "ko-KR"

# 设定转换後存档路径
file_name = "your_path.wav"
audio_config = AudioOutputConfig(filename=file_name)

synthesizer = SpeechSynthesizer(
    speech_config=speech_config, audio_config=audio_config
)

# 开始转换成语音
synthesizer.speak_text_async(string)

区域代码表

这边列出执行az account list-locations -o table之後，会出现的区域代码表，方便大家查询。

现在已经具备 OCR、翻译和文字转换语音的工具了，所以下一篇我们来组装韩文翻译机器人。（谜之声：搜集完武器，要打第二个中头目了～）