录下某个声音的到来

Question

我正在研究文本到语音的算法，我终于做到了，这个算法做的是转换一个html文件

变成说话，像那样：python record.py file.html

在这里一切正常，但我想使用以下命令在多个文件上运行相同的命令：

python record.py file1.html & python record.py file2.html & python record.py file3.html

但是我没有单独录制每个音频，而是在输出上有重叠

PS1：我使用的是ubuntu服务器，我想在6000多个文件上运行我的命令，每个文件大约需要20分钟的时间，因为它们是一个大文件

PS2：我正在使用pyaudio录制声音，下面是我代码中的录制部分：

from seleniumwire import webdriver
import sys
from webdriver_manager.chrome import ChromeDriverManager
import time
import pyaudio
import wave
from selenium.webdriver.chrome.options import Options
import warnings

warnings.simplefilter(action='ignore', category=FutureWarning)
chrome_options = Options()
chrome_options.add_argument("--headless")


browser = webdriver.Chrome(ChromeDriverManager().install(), chrome_options=chrome_options)
#selenium part 
browser.get('website')
search = browser.find_element_by_id("text-area")
search.clear()
data="this is a simple test"
search.send_keys(data)
time.sleep(2)
browser.find_element_by_id("btn").click()
print("waiting for audio")
size = len(data)/200
time.sleep(size*2)
print("audio detected")
CHUNK = 1024
FORMAT = pyaudio.paInt16
CHANNELS = 1
RATE = 44100
#number = len(data)
RECORD_SECONDS = size*17
WAVE_OUTPUT_FILENAME = 'first.mp3'
open(WAVE_OUTPUT_FILENAME, "wb+")
frames = []

p = pyaudio.PyAudio()

stream = p.open(format=FORMAT, channels=CHANNELS, rate=RATE,input=True, frames_per_buffer=CHUNK)

print("started recording")
for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
    audio = stream.read(CHUNK)
    frames.append(audio)

print("end of recording")
stream.stop_stream()
stream.close()
p.terminate()

wf = wave.open(WAVE_OUTPUT_FILENAME, 'wb')
wf.setnchannels(CHANNELS)
wf.setsampwidth(p.get_sample_size(FORMAT))
wf.setframerate(RATE)
wf.writeframes(b''.join(frames))
wf.close()

有没有办法录制来自某个PID的音频

我听说过docker集装箱，但我不知道它在这种情况下是否有用

Answer 1

我解决这个问题的方法是从网站上下载音频文件，而不是

记录下来，这个link帮助很大

Answer 2

我无法让您的示例代码正常工作，但我有一个基本猜测：您是否更改了每个调用的输出文件名？看看你的脚本，情况似乎并非如此。在某些情况下，不更改文件名可能会导致文本乱码

某些包（例如pyttsx3）会做一些古怪的事情，以便将音频写入一个非线程安全的文件。这很可能就是您的方法所发生的情况

脱机文本到语音的转换

我发现完成这项任务的一个非常可靠的方法是直接调用类似^{}的东西

I've written a little package that provides a CLI for this.它的核心在这个片段中：

import os
import tempfile
import re

# These packages are conveniences.
# Listing builtin packages that will require a few more lines to use
from bs4 import BeautifulSoup  # Alt. html.parser


def text_to_mp3(text: str, outfile: str) -> None:
    """Given some text, generate an mp3 speaking the text.
    Args:
        text (str): Text to speak
        outfile (str): *.mp3 file to write
    """

    # For some reason espeak doesn't find NamedTemporaryFile files to be agreeable...
    _, text_filename = tempfile.mkstemp(suffix=".txt")

    with open(text_filename, "w") as file:
        file.write(text)
    try:
        with tempfile.NamedTemporaryFile(suffix=".wav", delete=True) as wav_file:
            os.system(f"espeak -f {text_filename} -w {wav_file.name}")
            os.system(f"lame  preset insane {wav_file.name} {outfile}  silent")
    finally:
        if os.path.exists(text_filename):
            os.remove(text_filename)


def html_to_mp3(html: str, outfile: str, select: str = "body") -> None:
    """Given a string containing html, generate an *.mp3 that speaks the text.
    Args:
        html (str): HTML string
        outfile (str): *.mp3 to generate
        select (str, optional): CSS selector from which to select text. Defaults to "body".
    Raises:
        ValueError: In case the CSS selector is not present in the text.
    """
    soup = BeautifulSoup(html, features="html.parser")
    elements = soup.select(select)
    if not elements:
        raise ValueError(f"No elements found for CSS selector `{select}`")
    text = "\n".join([element.get_text() for element in elements])
    text_to_mp3(text, outfile)

基本步骤是：

1. 使用beautifulsoup从html文件中提取感兴趣的文本
2. 对感兴趣的文本调用espeak，并将结果输出到*.wav文件。
   • 我们将文本写入文件，而不是试图通过命令传递一个大字符串，以避免分析'、"等问题
   • espeak仅输出到wav
   • 声音有很多可供修补的选项
3. 使用^{}将上一步中的*.wav转换为mp3

虽然您的计算机上可能已经安装了这些实用程序，但您始终可以通过以下方式（在ubuntu上）安装它们：

sudo apt-get update
sudo apt-get install lame espeak

在线文语转换

如果您可以使用连接到google的在线文本到语音转换，那么^{}包工作得非常好。特别是，以下功能可根据您的需要工作：

gtts-cli 'hello'  output hello.mp3 & gtts-cli 'world'  output world.mp3