[Day 19] Google Cloud Text-to-Speech - 2

Published:

昨天玩完Cloud Text-to-Speech demo以後，大概知道他可以把文字轉成語音念給你聽。今天就來入門Cloud Text-to-Speech API吧。

前情提要：記得先Enable API，放置環境變數的教學可以看這系列第三天的文章
語言一樣使用Golang，然後跑在docker裡，之後也會放上github

這邊因為需要output一個檔案，但在docker裡面不好直接拿出來，所以在run的時候使用了-v mount，先來看一下檔案目錄：
file structure

我這邊就會Mount testdata/text_to_speech到docker，指令如下

docker run -v ${PWD}/testdata:/app/testdata -it golang ./app Day19

好，現在來看看code吧：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
package text_to_speech

import (
  "context"
  "fmt"
  "io/ioutil"
  "log"

  texttospeech "cloud.google.com/go/texttospeech/apiv1"
  texttospeechpb "google.golang.org/genproto/googleapis/cloud/texttospeech/v1"
)

func ConvertToSpeech(text string) {
  var root string = "./testdata/text_to_speech"
  // Instantiates a client.
  ctx := context.Background()

  client, err := texttospeech.NewClient(ctx)
  if err != nil {
    log.Fatal(err)
  }

  // Perform the text-to-speech request on the text input with the selected
  // voice parameters and audio file type.
  req := texttospeechpb.SynthesizeSpeechRequest{
    // Set the text input to be synthesized.
    Input: &texttospeechpb.SynthesisInput{
      InputSource: &texttospeechpb.SynthesisInput_Text{Text: text},
    },
    // Build the voice request, select the language code ("en-US") and the SSML
    // voice gender ("neutral").
    Voice: &texttospeechpb.VoiceSelectionParams{
      LanguageCode: "en-US",
      SsmlGender:   texttospeechpb.SsmlVoiceGender_NEUTRAL,
    },
    // Select the type of audio file you want returned.
    AudioConfig: &texttospeechpb.AudioConfig{
      AudioEncoding: texttospeechpb.AudioEncoding_MP3,
    },
  }

  resp, err := client.SynthesizeSpeech(ctx, &req)
  if err != nil {
    log.Fatal(err)
  }

  // The resp's AudioContent is binary.
  filename := "output.mp3"
  err = ioutil.WriteFile(root+"/"+filename, resp.AudioContent, 0644)
  if err != nil {
    log.Fatal(err)
  }
  fmt.Printf("Audio content written to file: %v\n", filename)
}

中間有一個AudioConfig這是可以注意一下的地方，在文件裡她有很多參數可以設定：

  • AudioEncoding：選擇輸出格式
  • EffectsProfileId：按照這邊的說明，他能為不同Device所產生的output做優化。
  • Pitch、SampleRateHertz、SpeakingRate、VolumeGainDb：都是一些在音訊領域常用到的常數
  • ForceSendFields、NullFields：使用在Patch request，可以修改一些default的API request fields。

好，我們就來看看output吧。
output
多了一個output.mp3。我只能讓你們看的到，要聽的話自己操作看看吧~

OK，今天的文章就到這邊，謝謝你的觀看。

今天的github：https://github.com/josephMG/ithelp-2019/tree/Day-19