1. 總覽
Text-to-Speech API 可讓開發人員產生擬真的語音。這個 API 可將文字轉換為 WAV、MP3 或 Ogg Opus 等音訊格式。還能使用語音合成標記語言 (SSML) 輸入資料，指定停頓、數字、日期與時間格式設定，以及其他發音指示。
在這個教學課程中，您將專注於搭配 Python 使用 Text-to-Speech API。
課程內容
- 如何設定環境
- 如何列出支援的語言
- 如何列出可用的語音
- 如何從文字合成音訊
軟硬體需求
問卷調查
您會如何使用這個教學課程？
您對 Python 的使用體驗有何評價？
針對使用 Google Cloud 服務的經驗，您會給予什麼評價？
2. 設定和需求
自修環境設定
- 登入 Google Cloud 控制台，建立新專案或重複使用現有專案。如果您還沒有 Gmail 或 Google Workspace 帳戶，請先建立帳戶。
- 「專案名稱」是這項專案參與者的顯示名稱。這是 Google API 未使用的字元字串。您可以隨時更新付款方式。
- 所有 Google Cloud 專案的專案 ID 均不得重複，而且設定後即無法變更。Cloud 控制台會自動產生一個不重複的字串。但通常是在乎它何在在大部分的程式碼研究室中，您必須參照專案 ID (通常為
PROJECT_ID)。如果您對產生的 ID 不滿意，可以隨機產生一個 ID。或者，您也可以自行嘗試，看看是否支援。在這個步驟後，這個名稱即無法變更，而且在專案期間內仍會保持有效。 - 資訊中的第三個值是專案編號，部分 API 會使用這個編號。如要進一步瞭解這三個值，請參閱說明文件。
- 接下來，您需要在 Cloud 控制台中啟用計費功能，才能使用 Cloud 資源/API。執行本程式碼研究室不會產生任何費用 (如果有的話)。如要關閉資源，以免產生本教學課程結束後產生的費用，您可以刪除自己建立的資源或刪除專案。新使用者符合 $300 美元免費試用計畫的資格。
啟動 Cloud Shell
雖然 Google Cloud 可以從筆記型電腦遠端操作，但在本程式碼研究室中，您將使用 Cloud Shell，這是一種在 Cloud 中執行的指令列環境。
啟用 Cloud Shell
- 在 Cloud 控制台中，按一下「啟用 Cloud Shell」圖示
。
如果您是第一次啟動 Cloud Shell，系統會顯示中繼畫面，說明這項服務的內容。如果系統顯示中繼畫面，請按一下「繼續」。
佈建並連線至 Cloud Shell 只需幾分鐘的時間。
這個虛擬機器已載入所有必要的開發工具。提供永久的 5 GB 主目錄，而且在 Google Cloud 中運作，大幅提高網路效能和驗證能力。在本程式碼研究室中，您的大部分作業都可透過瀏覽器完成。
連線至 Cloud Shell 後，您應會發現自己通過驗證，且專案已設為您的專案 ID。
- 在 Cloud Shell 中執行下列指令，確認您已通過驗證：
gcloud auth list
指令輸出
Credentialed Accounts
ACTIVE ACCOUNT
* <my_account>@<my_domain.com>
To set the active account, run:
$ gcloud config set account `ACCOUNT`
- 在 Cloud Shell 中執行下列指令，確認 gcloud 指令知道您的專案：
gcloud config list project
指令輸出
[core] project = <PROJECT_ID>
如果尚未設定，請使用下列指令進行設定：
gcloud config set project <PROJECT_ID>
指令輸出
Updated property [core/project].
3. 環境設定
開始使用 Text-to-Speech API 之前，請先在 Cloud Shell 中執行下列指令來啟用 API：
gcloud services enable texttospeech.googleapis.com
畫面應如下所示：
Operation "operations/..." finished successfully.
現在您可以使用 Text-to-Speech API！
前往主目錄：
cd ~
建立 Python 虛擬環境來區隔依附元件：
virtualenv venv-texttospeech
啟用虛擬環境：
source venv-texttospeech/bin/activate
安裝 IPython 和 Text-to-Speech API 用戶端程式庫：
pip install ipython google-cloud-texttospeech
畫面應如下所示：
... Installing collected packages: ..., ipython, google-cloud-texttospeech Successfully installed ... google-cloud-texttospeech-2.16.3 ...
現在您可以開始使用 Text-to-Speech API 用戶端程式庫了！
在後續步驟中，您將使用名為 IPython 的互動式 Python 解譯器，此語言是在之前的步驟中安裝。在 Cloud Shell 中執行 ipython 即可啟動工作階段：
ipython
畫面應如下所示：
Python 3.9.2 (default, Feb 28 2021, 17:03:44) Type 'copyright', 'credits' or 'license' for more information IPython 8.18.1 -- An enhanced Interactive Python. Type '?' for help. In [1]:
您現在可以提出第一個要求，並列出支援的語言...
4. 列出支援的語言
本章節會列出所有支援語言的清單。
將下列程式碼複製到您的 IPython 工作階段：
from typing import Sequence
import google.cloud.texttospeech as tts
def unique_languages_from_voices(voices: Sequence[tts.Voice]):
language_set = set()
for voice in voices:
for language_code in voice.language_codes:
language_set.add(language_code)
return language_set
def list_languages():
client = tts.TextToSpeechClient()
response = client.list_voices()
languages = unique_languages_from_voices(response.voices)
print(f" Languages: {len(languages)} ".center(60, "-"))
for i, language in enumerate(sorted(languages)):
print(f"{language:>10}", end="\n" if i % 5 == 4 else "")
請花點時間研究此程式碼，瞭解它如何使用 list_voices 用戶端程式庫方法建立支援語言清單。
呼叫函式：
list_languages()
您應該會看到以下 (或更多) 清單：
---------------------- Languages: 58 -----------------------
af-ZA am-ET ar-XA bg-BG bn-IN
ca-ES cmn-CN cmn-TW cs-CZ da-DK
de-DE el-GR en-AU en-GB en-IN
en-US es-ES es-US eu-ES fi-FI
fil-PH fr-CA fr-FR gl-ES gu-IN
he-IL hi-IN hu-HU id-ID is-IS
it-IT ja-JP kn-IN ko-KR lt-LT
lv-LV ml-IN mr-IN ms-MY nb-NO
nl-BE nl-NL pa-IN pl-PL pt-BR
pt-PT ro-RO ru-RU sk-SK sr-RS
sv-SE ta-IN te-IN th-TH tr-TR
uk-UA vi-VN yue-HK
此清單會顯示 58 種語言和方言，例如：
- 中文和臺灣中文
- 澳洲、英國、印度和美式英文
- 加拿大和法國的法文版
- 葡萄牙文 (巴西和葡萄牙)。
這份清單尚未定案，在有新語音可用時，這份清單也會隨之更新。
摘要
這個步驟可讓您列出支援的語言。
5. 列出可用的語音
這個部分會列出不同語言可用的語音。
將下列程式碼複製到您的 IPython 工作階段：
import google.cloud.texttospeech as tts
def list_voices(language_code=None):
client = tts.TextToSpeechClient()
response = client.list_voices(language_code=language_code)
voices = sorted(response.voices, key=lambda voice: voice.name)
print(f" Voices: {len(voices)} ".center(60, "-"))
for voice in voices:
languages = ", ".join(voice.language_codes)
name = voice.name
gender = tts.SsmlVoiceGender(voice.ssml_gender).name
rate = voice.natural_sample_rate_hertz
print(f"{languages:<8} | {name:<24} | {gender:<8} | {rate:,} Hz")
請花點時間研究此程式碼，看看它如何使用用戶端程式庫方法 list_voices(language_code)，列出特定語言的可用語音。
現在，取得可用的德文語音清單：
list_voices("de")
畫面應如下所示：
------------------------ Voices: 20 ------------------------ de-DE | de-DE-Neural2-A | FEMALE | 24,000 Hz de-DE | de-DE-Neural2-B | MALE | 24,000 Hz ... de-DE | de-DE-Standard-A | FEMALE | 24,000 Hz de-DE | de-DE-Standard-B | MALE | 24,000 Hz ... de-DE | de-DE-Studio-B | MALE | 24,000 Hz de-DE | de-DE-Studio-C | FEMALE | 24,000 Hz de-DE | de-DE-Wavenet-A | FEMALE | 24,000 Hz de-DE | de-DE-Wavenet-B | MALE | 24,000 Hz ...
可選擇多種女性和男性語音，以及標準、WaveNet、Neural2 和 Studio 語音：
- 標準語音是由訊號處理演算法產生。
- WaveNet、Neural2 和 Studio 語音是指機器學習模型合成的高品質語音，音質也更加自然。
現在，取得可用的英文語音清單：
list_voices("en")
畫面應如下所示：
------------------------ Voices: 90 ------------------------ en-AU | en-AU-Neural2-A | FEMALE | 24,000 Hz ... en-AU | en-AU-Wavenet-A | FEMALE | 24,000 Hz ... en-GB | en-GB-Neural2-A | FEMALE | 24,000 Hz ... en-GB | en-GB-Wavenet-A | FEMALE | 24,000 Hz ... en-IN | en-IN-Standard-A | FEMALE | 24,000 Hz ... en-IN | en-IN-Wavenet-A | FEMALE | 24,000 Hz ... en-US | en-US-Neural2-A | MALE | 24,000 Hz ... en-US | en-US-News-K | FEMALE | 24,000 Hz ... en-US | en-US-Standard-A | MALE | 24,000 Hz ... en-US | en-US-Studio-M | MALE | 24,000 Hz ... en-US | en-US-Wavenet-A | MALE | 24,000 Hz ...
除了多種不同性別和品質的聲音，系統也提供多種口音：澳洲、英式、印度和美式英文。
請花點時間列出您的偏好語言和方言 (甚至所有語言)：
list_voices("fr")
list_voices("pt")
list_voices()
摘要
這個步驟可讓您列出可用的語音。詳情請參閱這篇文章。
6. 從文字合成音訊
您可以使用 Text-to-Speech API，將字串轉換為音訊資料。您可以透過多種方式設定語音合成的輸出內容，包括選取不重複的語音或調節輸出的音調、音量、說話速率和取樣率。
將下列程式碼複製到您的 IPython 工作階段：
import google.cloud.texttospeech as tts
def text_to_wav(voice_name: str, text: str):
language_code = "-".join(voice_name.split("-")[:2])
text_input = tts.SynthesisInput(text=text)
voice_params = tts.VoiceSelectionParams(
language_code=language_code, name=voice_name
)
audio_config = tts.AudioConfig(audio_encoding=tts.AudioEncoding.LINEAR16)
client = tts.TextToSpeechClient()
response = client.synthesize_speech(
input=text_input,
voice=voice_params,
audio_config=audio_config,
)
filename = f"{voice_name}.wav"
with open(filename, "wb") as out:
out.write(response.audio_content)
print(f'Generated speech saved to "{filename}"')
請花點時間研究程式碼，看看它如何使用 synthesize_speech 用戶端程式庫產生音訊資料，並將其儲存為 wav 檔案。
現在，以幾種不同口音產生句子：
text_to_wav("en-AU-Neural2-A", "What is the temperature in Sydney?")
text_to_wav("en-GB-Neural2-B", "What is the temperature in London?")
text_to_wav("en-IN-Wavenet-C", "What is the temperature in Delhi?")
text_to_wav("en-US-Studio-O", "What is the temperature in New York?")
text_to_wav("fr-FR-Neural2-A", "Quelle est la température à Paris ?")
text_to_wav("fr-CA-Neural2-B", "Quelle est la température à Montréal ?")
畫面應如下所示：
Generated speech saved to "en-AU-Neural2-A.wav" Generated speech saved to "en-GB-Neural2-B.wav" Generated speech saved to "en-IN-Wavenet-C.wav" Generated speech saved to "en-US-Studio-O.wav" Generated speech saved to "fr-FR-Neural2-A.wav" Generated speech saved to "fr-CA-Neural2-B.wav"
如要一次下載所有產生的檔案，您可以在 Python 環境中使用下列 Cloud Shell 指令：
!cloudshell download *.wav
驗證後，瀏覽器就會下載檔案：
開啟每個檔案並聆聽結果。
摘要
在這個步驟中，您可以使用 Text-to-Speech API 將句子轉換為音訊 wav 檔案。進一步瞭解如何建立語音音訊檔案。
7. 恭喜！
您已瞭解如何使用 Python 的 Text-to-Speech API 產生擬真的語音！
清除所用資源
如要清除開發環境，請透過 Cloud Shell 執行下列操作：
- 如果您目前仍在 IPython 工作階段，請返回殼層：
exit - 停止使用 Python 虛擬環境：
deactivate - 刪除虛擬環境資料夾：
cd ~ ; rm -rf ./venv-texttospeech
如要刪除 Google Cloud 專案，請透過 Cloud Shell 進行：
- 擷取目前的專案 ID：
PROJECT_ID=$(gcloud config get-value core/project) - 請確認這是要刪除的專案：
echo $PROJECT_ID - 刪除專案：
gcloud projects delete $PROJECT_ID
瞭解詳情
- 在瀏覽器中測試示範內容：https://cloud.google.com/text-to-speech
- Text-to-Speech 說明文件：https://cloud.google.com/text-to-speech/docs
- 在 Google Cloud 中使用 Python：https://cloud.google.com/python
- Python 適用的 Cloud 用戶端程式庫：https://github.com/googleapis/google-cloud-python
授權
這項內容採用的是創用 CC 姓名標示 2.0 通用授權。