使用命令行根据文字创建音频

使用命令行根据文字创建音频

本文档将引导您完成使用命令行向 Text-to-Speech 发出请求的过程。如需详细了解 Text-to-Speech 中的基本概念，请阅读 Text-to-Speech 基础知识。

准备工作

您必须先完成以下操作，然后才能向 Text-to-Speech API 发送请求。如需了解详情，请参阅准备工作页面。

• 在 GCP 项目上启用 Text-to-Speech。
• 确保已为 Text-to-Speech 启用结算功能。

• After installing the Google Cloud CLI, configure the gcloud CLI to use your federated identity and then initialize it by running the following command:

  gcloud init

将文字合成为音频

您可以通过向 https://texttospeech.googleapis.com/v1/text:synthesize 端点发出 HTTP POST 请求，将文本转换为音频。在 POST 命令正文的 voice 配置部分指定要合成的语音类型，在 input 部分的 text 字段中指定要合成的文本，并在 audioConfig 部分指定要创建的音频类型。

1. 在命令行执行以下命令以使用 Text-to-Speech 从文本合成音频。该命令使用 gcloud auth application-default print-access-token 命令检索请求的授权令牌。

   在使用任何请求数据之前，请先进行以下替换：

   • PROJECT_ID：您的 Google Cloud 项目的字母数字 ID。

   HTTP 方法和网址：

   POST https://texttospeech.googleapis.com/v1/text:synthesize

   请求 JSON 正文：

   {
     "input": {
       "text": "Android is a mobile operating system developed by Google, based on the Linux kernel and designed primarily for touchscreen mobile devices such as smartphones and tablets."
     },
     "voice": {
       "languageCode": "en-gb",
       "name": "en-GB-Standard-A",
       "ssmlGender": "FEMALE"
     },
     "audioConfig": {
       "audioEncoding": "MP3"
     }
   }
   

   如需发送您的请求，请展开以下选项之一：

   curl（Linux、macOS 或 Cloud Shell）

   注意：以下命令假定您已使用您的用户账号通过运行 gcloud init 或 gcloud auth login 登录 gcloud CLI，或者使用了 Cloud Shell，这会使您自动登录 gcloud CLI。您可以运行 gcloud auth list 来检查当前活跃的账号。

   将请求正文保存在名为 request.json 的文件中，然后执行以下命令：

   curl -X POST \
        -H "Authorization: Bearer $(gcloud auth print-access-token)" \
        -H "x-goog-user-project: PROJECT_ID" \
        -H "Content-Type: application/json; charset=utf-8" \
        -d @request.json \
        "https://texttospeech.googleapis.com/v1/text:synthesize"

   PowerShell (Windows)

   注意：以下命令假定您已使用您的用户账号通过运行 gcloud init 或 gcloud auth login 登录 gcloud CLI。您可以运行 gcloud auth list 来检查当前活跃的账号。

   将请求正文保存在名为 request.json 的文件中，然后执行以下命令：

   $cred = gcloud auth print-access-token
   $headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "PROJECT_ID" }
   
   Invoke-WebRequest `
       -Method POST `
       -Headers $headers `
       -ContentType: "application/json; charset=utf-8" `
       -InFile request.json `
       -Uri "https://texttospeech.googleapis.com/v1/text:synthesize" | Select-Object -Expand Content

   您应该收到类似以下内容的 JSON 响应：

   {
     "audioContent": "//NExAASCCIIAAhEAGAAEMW4kAYPnwwIKw/BBTpwTvB+IAxIfghUfW.."
   }
   

2. REST 命令的 JSON 输出包含 base64 编码格式的合成音频。将 audioContent 字段的内容复制到名为 synthesize-output-base64.txt 的新文件中。您的新文件将如下所示：

   //NExAARqoIIAAhEuWAAAGNmBGMY4EBcxvABAXBPmPIAF//yAuh9Tn5CEap3/o
   ...
   VVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVV
   

3. 将 synthesize-output-base64.txt 文件的内容解码到名为 synthesized-audio.mp3 的新文件。如需了解如何对 base64 内容进行解码，请参阅对使用 Base64 编码的音频内容进行解码。

   Linux

   1. 仅将使用 base64 编码的内容复制到文本文件中。

   2. 使用 base64 命令行工具通过 -d 标志对源文本文件进行解码：

       $ base64 SOURCE_BASE64_TEXT_FILE -d > DESTINATION_AUDIO_FILE
   

   Mac OSX

   1. 仅将使用 base64 编码的内容复制到文本文件中。

   2. 使用 base64 命令行工具对源文本文件进行解码：

       $ base64 --decode SOURCE_BASE64_TEXT_FILE > DESTINATION_AUDIO_FILE
   

   Windows

   1. 仅将使用 base64 编码的内容复制到文本文件中。

   2. 使用 certutil 命令对源文本文件进行解码。

      certutil -decode SOURCE_BASE64_TEXT_FILE DESTINATION_AUDIO_FILE
   

4. 在音频应用中或音频设备上播放 synthesized-audio.mp3 的内容。您还可以在 Chrome 浏览器中打开 synthesized-audio.mp3，以通过导航到包含该文件的文件夹来播放音频，例如 file://my_file_path/synthesized-audio.mp3。

清理

为避免产生不必要的 Google Cloud Platform 费用，请使用 Google Cloud 控制台删除您不需要的项目。

后续步骤

• 如需详细了解 Cloud Text-to-Speech，请阅读基础知识。
• 查看可用于合成语音的可用语音列表。