1.【专栏精选】实战：百度语音合成
2.手把手带你搭建一个语音对话机器人，文字文字5分钟定制个人AI小助手（新手入门篇）
3.Python + edge-tts：一行代码，转语转语让你的音程音程意思文本轻松变成语音！
4.文字转语音软件工具有哪些推荐?序源序源
5.OpenAI 开源的免费 AI 语音转文字工具 - Whisper，一步一步本地部署运行
6.最小的码什码语音合成软件代码解析-SAM
【专栏精选】实战：百度语音合成
本文节选自大话Unity公众号技术专栏《大话Unity》，未经允许不可转载。文字文字钢琴unity游戏源码
大话Unity公众号回复语音识别获取源码工程。转语转语
大话Unity，音程音程意思让你快人几步。序源序源你好，码什码我是文字文字大智。
大智：“昨天我们实战了语音识别，转语转语在人工智能的音程音程意思语音领域，还有很大一块是序源序源语音合成，也就是码什码Text to Speech，文字转语音。” 小新：“是不是就是我们经常听到的siri或者智能音箱那种声音？” 大智：“没错，那些声音都是用语音合成的技术合成音频文件，然后播放出来的。” 小新：“我们今天就来搞这个？” 大智：“对，这就开始”
首先做些准备工作，和昨天的语音识别的流程很像，大致如下：
语音识别
大智：“看完文档了没？” 小新：“看完了” 大智：“那我们就开始了。”
语音合成主要有两个过程：1. 鉴权认证：从百度获取一个令牌(token)，请求的时候需要携带这个令牌，否则视为非法请求；2. 在Unity中请求语音合成接口。
第一步鉴权认证我们昨天已经实现了，可以拿来直接用。我们直接进入第二步，在Unity中请求语音合成接口。
REST API
小新：“我在文档中看到了这个词REST API，API我懂，就是应用程序接口嘛，这个REST是什么？休息接口么？” 大智：“哎嘿，什么休息接口！这个是华为liteos源码下载Web开发中的一个技术，你不懂正常，我来简单解释一下。”
REST ( REpresentational State Transfer )，State Transfer 为 "状态传输" 或 "状态转移 "，Representational 中文有人翻译为"表征"、"具象"，合起来就是 "表征状态传输" 或 "具象状态传输" 或 "表述性状态转移"，不过，一般文章或技术文件都比较不会使用翻译后的中文来撰写，而是直接引用 REST 或 RESTful 来代表，因为 REST 一整个观念，想要只用六个中文字来完整表达真有难度。
REST 本身是设计风格而不是标准。REST 谈论一件非常重要的事，如何正确地使用Web*标准*，例如，HTTP 和 URI。想要了解 REST 最好的方式就是思索与了解*Web*及其工作方式。如果你设计的应用程序能符合 REST 原则 (REST principles)，这些符合 REST 原则的 REST 服务可称为 "RESTful web service" 也称 "RESTful Web API"。"-ful" 字尾强调它们的设计完全符合 REST 论文里的建议内容。
如果你不需要做Web开发，了解到这就够了，否则建议你了解下REST的具体原则，RESTful的Web接口目前非常流程。
请求语音合成
百度语音合成支持两种方式请求：- POST方式；- GET方式
百度文档中推荐使用POST方式，但是由于Unity的WebRequest类中，获取音频的现成接口是使用Get方法，所以我们下面的代码还是使用Get方法去获取。
上面的代码写好以后，设置好APIKey和SecretKey就可以合成语音出来了。
大智：“我们这两天通过实战学习了UnityWebRequest的具体用法，在请求Http时，结合接口说明，一般实现起来还是jsp主页面源码很容易的。”
思考题
大智：“上面的语音合成中很有多参数可以设置，试试不同的参数看看有什么效果吧！” 小新：“好嘞！” 大智：“收获别忘了分享出来！也别忘了分享给你学Unity的朋友，也许能够帮到他。”
推荐阅读
大话Unity公众号回复语音识别获取源码工程。
手把手带你搭建一个语音对话机器人，5分钟定制个人AI小助手（新手入门篇）
想象一下，身边有一个随时待命、聪明过人的个人AI小助手，只需语音指令就能满足你的需求。那么，如何在5分钟内打造这样一款专属的AI呢？本文将带你从零开始，以新手友好的方式，一步步搭建语音对话机器人。语音对话系统的基础构建
一个语音对话机器人的核心由硬件和软件两部分组成，本文主要关注软件部分，它通常包括：快速搭建步骤
为了简化过程，我们将采用开源技术进行搭建。首先，使用阿里开源的FunASR进行语音识别，其中文识别效果优于OpenAI Whisper。你可以通过以下代码测试：...
大语言模型与个性化回答
利用大语言模型（LLM），如LLaMA3-8B，理解和生成回复。GitHub上已有中文微调的版本，部署教程如下：下载代码
下载模型
安装所需包
启动服务（注意内存优化）
通过人设提示词定制个性化回答
无GPU资源时，可选择调用云端API，后续文章会详细介绍。语音生成（TTS）
使用ChatTTS将文字转化为语音，同样采用FastAPI封装，具体步骤略。前端交互：Gradio
Gradio帮助我们快速构建用户界面，以下是手机看laravel源码WebUI的代码示例：...
系统搭建完毕与扩展
现在你已经拥有一个基础的语音对话系统，但可以进一步添加更多功能，提升用户体验。如果你觉得本文有帮助，记得点赞支持。 关注我的公众号，获取更多关于AI工具和自媒体知识的内容。如果你想获取源码，请私信关键词“机器人”。Python + edge-tts：一行代码，让你的文本轻松变成语音！
大家好，我是树先生！今天要与大家分享一个Python工具，叫做edge-tts，它能让你的文字轻松转化成语音，操作极其便捷，且完全免费。
不妨先来感受一下它的效果，听听这个音频片段：[插入音频片段]是不是很像影视解说中常见的开场，比如：这个女人叫小美...
edge-tts 是一个基于Python的库，它得益于微软Azure的文本转语音技术(TTS)，并且作为开源项目，你可以免费使用。它的设计初衷是提供一个直观的API，支持多种语言和丰富的语音选项，只需一行代码就能实现文本到语音的转换。
要体验这个功能，首先在你的电脑上创建一个名为"text2voicetest.txt"的文件，写下你想要转换成语音的文字，然后运行预设的代码，神奇的事情就发生了，它会自动为你生成MP3文件，就这么简单！
无论是个人笔记整理，还是c界面源码下载项目文档朗读，edge-tts都能派上用场。想深入了解或尝试，可以访问这个项目的源代码：[插入项目地址] github.com/rany2/edge-t...
文字转语音软件工具有哪些推荐?
文字转语音技术如今已经相当成熟，众多工具在生成语音的过程中日益自然、流畅，部分音质甚至难辨真伪。对于视频剪辑等场景，这类工具成为不可或缺的辅助。我在此分享几款试用后认为表现优秀的文字转语音工具。
首先是配音工厂，一款简洁易用的文字转语音工具，特别适合生成配音音频。用户只需输入文本或导入文档，便能生成自然流畅的语音。它支持多种音色，参数调整丰富，涵盖停顿、多音字、音量、语速、语调等，适应多种需求。
tts-vue是一款基于微软语音合成技术的开源、免费工具，使用Electron + Vue + ElementPlus + Vite实现。用户可直接在GitHub和Gitee获取源代码，学习或二次开发。这为爱好者提供了实践机会。
偷懒工具是一款网页版工具，无需安装，网页操作即刻可用。它提供男声、女声、童声选择，支持快读、慢读、普通语速，转化迅速，生成的语音可直接下载。
AI配音专家源自吾爱破解论坛，使用阿里语音合成引擎，提供全面的语言种类，效果逼真，适合追求高质量语音合成的用户。
TTSMaker是一款全面的文字转语音工具，语言支持广泛，包含中文、英语、日语、德语等，并能灵活调整语速、音量、分段落停顿等参数。输出格式多样，包括MP3、wav、aac等，功能齐全。
Text-to-Speech是一款功能强大的文字转语音工具，支持中文、英文、日语、德语等语言，并提供方言支持，如河南话、上海话、粤语等。它提供多种音色、情感选择，支持语音调整，甚至具备模仿功能，能生成接近真实语音。
微软听听是一款由微软官方提供的微信小程序，支持导入文章、公众号链接、上传文档，甚至OCR识别生成语音。它提供了丰富的语音类型和语言选择，语音效果自然，适合各种应用场景。值得注意的是，微软听听完全免费使用。
OpenAI 开源的免费 AI 语音转文字工具 - Whisper，一步一步本地部署运行
OpenAI 推出的开源免费工具 Whisper，以其出色的语音识别功能吸引了不少关注。这款模型不仅能够进行多语言的语音转文本，还能进行语音翻译和语言识别，实用价值极高。市面上许多语音转文字服务如讯飞语记等都收费，而Whisper作为开源选择，无疑是一个经济实惠且性能强大的解决方案。
想在本地体验Whisper，首先需要为Windows设备安装ffmpeg和rust。ffmpeg可以从ffmpeg.org下载并配置环境变量，而rust则可以从rust-lang.org获取并确保命令行可用。接着，创建一个python虚拟环境，安装Whisper所需的依赖库。
运行Whisper的过程相当直接。通过命令行，只需提供音频文件如"Haul.mp3"，并指定使用"medium"模型（模型大小从tiny到large递增）。首次运行时，Whisper会自动下载并加载模型，然后开始识别并输出文本，同时将结果保存到文件中。如果想在Python代码中集成，也相当简单。
如果你对此技术感兴趣，不妨亲自尝试一下。项目的源代码可以在github.com/openai/whisper找到。这不仅是一次AI技术的体验，还可能开启语音转文字的新篇章。更多详情可参考gpt.com/article/的信息。
标签推荐：#AI技术 #OpenAI开源 #Whisper模型 #语音转文字 #ChatGPT应用
最小的语音合成软件代码解析-SAM
SAM（Software Automatic Mouth）是一款体积小巧的语音合成软件，纯软件性质，商业用途，离线运行无需联网。它由c语言编写，编译后文件大小约为kB，支持在Windows、Linux、esp、esp上编译使用。原源代码非公开，但有网站提供反编译后的c源代码。此软件可以在线测试效果，用户输入文字即可体验语音合成功能。
SAM软件的说明书提供了详细的使用指南。网站上同时介绍了软件的分析过程，以及esp上的移植代码。对于代码关键部分的分析，主要集中在SAM中的个音素上。音素按0-编号，每个音素都有特定属性，如ID、名称、正常长度、重音长度、共振峰频率和幅度等。音素名称由1-2个字符组成，存储在phonemeNameTable1和phonemeNameTable2中。phonemeLengthTable表示音素的默认长度，单位为帧，约ms。音素分为三类，并有特定的频率和幅度数据。
SAM的关键函数依次执行，上一个函数的输出为下一个函数的输入。主要函数包括TextToPhonemes、PhonemeStr2PhonemeIdx、RenderAll、CreateFrames和ProcessFrames2Buffer。这些函数负责从文本到音素的转换、音素索引和长度的获取、所有音素的渲染、频率和幅度数据的生成以及帧处理等核心操作。语音合成的关键代码位于processframes.c文件中，通过公式计算生成波形，涉及元音、浊辅音的合成，以及清辅音的直接读取文件处理。如果音素的flags属性不为0，则将根据特定条件添加部分录音内容，决定是否合成浊辅音。
nvda是什么
NVDA是一款自由开发的屏幕阅读软件。 NVDA是一款自由开发的屏幕阅读软件，专为视力受损或无法阅读常规文本的用户设计。以下是关于NVDA的详细解释： 一、软件概述 NVDA的功能在于将计算机屏幕上的内容转化为语音形式，帮助用户通过听觉获取计算机信息。无论是浏览网页、编辑文档还是使用其他应用程序，NVDA都能为用户提供实时的屏幕内容朗读服务。 二、核心功能 NVDA可以执行以下任务： 1. 文本朗读：能够读取屏幕上的文字信息，包括菜单、按钮标签、文档内容等。 2. 导航支持：帮助用户通过键盘或专用辅助设备在屏幕上导航，找到所需的信息或控件。 3. 提醒和通知：根据用户的设置，提醒日程安排、消息通知等。 三、特点优势 NVDA的特点包括： 1. 开放性：作为一款自由开发的软件，NVDA的源代码开放，用户可以自由获取并对其进行定制。 2. 兼容性：支持多种操作系统和应用程序，能够与大多数软件无缝集成。 3. 易用性：界面友好，操作简单，易于学习和使用。 四、应用领域 NVDA广泛应用于多个领域，包括但不限于： * 教育领域：帮助视力受损的学生进行在线学习。 * 办公领域：协助员工处理文档、邮件等日常工作任务。 * 娱乐领域：让用户在听音乐、看**或玩游戏时获得更好的体验。 总之，NVDA是一款非常实用的屏幕阅读软件，能够帮助视力受损用户更好地使用计算机，提高生活质量。
