微软tts音频下载解决方案

微软tts 使用 119 种语言和变体，超过 270 种神经语音来吸引全球观众。使用极具表现力和类似人类的声音将你的方案(如文本阅读器和支持语音的助手)变为现实。神经文本到语音转换功能支持若干种话语风格，包括聊天、新闻播报和客户服务，以及各种情感(如快乐和同情)。

官方的demo地址（目前仅有介绍不支持语音合成）

https://azure.microsoft.com/zh-cn/products/cognitive-services/text-to-speech/#overview

项目目的和声明

• 本项目的目的是解决微软官方的网页版demo，不能直接下载转换后的MP3文件
• 本项目仅用于学习交流禁止用于商业用途

目前azure的网页版demo已经关闭，python_cli_demo，作为替代方法本仓库简单实现了，通过edge大声朗读接口和microsoft语音合成试用接口，下载合成后MP3文件的python版本（见python_cli_demo文件夹）

为了通俗易懂代码没有进行任何不必要的封装，tts.py 和tts2.py在均可独立运行。

如果需要成品软件强烈建议直接下载LokerL大佬编写的成品软件，https://github.com/LokerL/tts-vue/releases

使用方法

使用方法视频版本 https://www.bilibili.com/video/BV13S4y1D7u7

安装依赖

pip install -r requirements.txt

运行

python tts.py --input SSML.xml 
## 或者 
python tts2.py --input SSML.xml

在python_cli_demo目录下 使用python 运行tts.py，通过参数input传入SSML.xml文件的路径

或者可以通过传入output 传入希望保存的文件名

python tts.py --input SSML.xml --output 保存文件名 
# 或者
python tts2.py --input SSML.xml --output 保存文件名 

SSML.xml文件的示例如下

<speak xmlns="http://www.w3.org/2001/10/synthesis" xmlns:mstts="http://www.w3.org/2001/mstts" xmlns:emo="http://www.w3.org/2009/10/emotionml" version="1.0" xml:lang="en-US">
    <voice name="zh-CN-XiaoxiaoNeural">
        <prosody rate="0%" pitch="0%">
        这个是 SSML 语音合成标记语言
        </prosody>
    </voice>
</speak>

接口说明

tts.py 使用edge大声朗读接口（下称edge接口）

接口地址 wss://speech.platform.bing.com/consumer/speech/synthesize/readaloud/edge/v1

tts2.py 使用microsoft语音合成试用接口（下称microsoft接口）

接口地址 https://southeastasia.api.speech.microsoft.com/accfreetrial/texttospeech/acc/v3.0-beta1/vcg/speak