TL;DR:我试图在windows10上用python3.7.2将一个XML对象(使用ET)传递给一个Comtypes(SAPI)对象。它由于无效字符而失败(请参阅下面的错误)。Unicode字符从文件中正确读取,可以打印(但不能在控制台上正确显示)。似乎XML是以ASCII格式传递的,还是缺少一个标志?(https://docs.microsoft.com/en-us/previous-versions/windows/desktop/ee431843(v%3Dvs.85))。如果它是一个失踪的旗帜,我如何传递它?(我还没弄清楚那部分……)
我在windows10上使用python3.7.2,并尝试发送create一个XML(SSML:https://www.w3.org/TR/speech-synthesis/)文件来与微软的语音API一起使用。当我看到SSML格式时,它支持一个音素标记,允许你指定一个给定单词的发音。微软实现了部分标准(https://docs.microsoft.com/en-us/cortana/skills/speech-synthesis-markup-language#phoneme-element),所以我找到了一个包含IPA发音的UTF-8编码库。当我尝试调用SAPI时,替换了部分代码,出现以下错误:
Traceback (most recent call last):
File "pdf_to_speech.py", line 132, in <module>
audioConverter(text = "Hello world extended test",outputFile = output_file)
File "pdf_to_speech.py", line 88, in __call__
self.engine.speak(text)
_ctypes.COMError: (-2147200902, None, ("'ph' attribute in 'phoneme' element is not valid.", None, None, 0, None))
我一直在试着调试,但是当我打印出单词的发音时,字符就是方框。但是,如果我从控制台复制并粘贴它们,它们看起来很好(见下文)。你知道吗
həˈloʊ,
ˈwɝːld
ɪkˈstɛndəd,
ˈtɛst
我不确定这个问题是不是由 1) 我已经修改了pythons的版本,以便能够打印unicode 2) 我修复了读取文件的问题 3) 我对字符串的操作不正确
我很确定问题是我没有将它作为unicode传递给comtype对象。我正在研究的想法是 1) 少了一面旗吗? 2) 当它被传递到comtypes(C类型错误)时,它是否被转换成ascii? 3) XML是否传递不正确/是否遗漏了一个步骤?你知道吗
这个类读取IPA字典,然后生成XML文件。看看你的音位和发音。你知道吗
class SSML_Generator:
def __init__(self,pause,phonemeFile):
self.pause = pause
if isinstance(phonemeFile,str):
print("Loading dictionary")
self.phonemeDict = self._load_phonemes(phonemeFile)
print(len(self.phonemeDict))
else:
self.phonemeDict = {}
def _load_phonemes(self, phonemeFile):
phonemeDict = {}
with io.open(phonemeFile, 'r',encoding='utf-8') as f:
for line in f:
tok = line.split()
#print(len(tok))
phonemeDict[tok[0].lower()] = tok[1].lower()
return phonemeDict
def __call__(self,text):
SSML_document = self._header()
for utterance in text:
parent_tag = self._pronounce(utterance,SSML_document)
#parent_tag.tail = self._pause(parent_tag)
SSML_document.append(parent_tag)
ET.dump(SSML_document)
return SSML_document
def _pause(self,parent_tag):
return ET.fromstring("<break time=\"150ms\" />") # ET.SubElement(parent_tag,"break",{"time":str(self.pause)+"ms"})
def _header(self):
return ET.Element("speak",{"version":"1.0", "xmlns":"http://www.w3.org/2001/10/synthesis", "xml:lang":"en-US"})
# TODO: Add rate https://docs.microsoft.com/en-us/cortana/skills/speech-synthesis-markup-language#prosody-element
def _rate(self):
pass
# TODO: Add pitch
def _pitch(self):
pass
def _pronounce(self,word,parent_tag):
if word in self.phonemeDict:
sys.stdout.buffer.write(self.phonemeDict[word].encode("utf-8"))
return ET.fromstring("<phoneme alphabet=\"ipa\" ph=\"" + self.phonemeDict[word] + "\"> </phoneme>")#ET.SubElement(parent_tag,"phoneme",{"alphabet":"ipa","ph":self.phonemeDict[word]})#<phoneme alphabet="string" ph="string"></phoneme>
else:
return parent_tag
# Nice to have: Transform acronyms into their pronunciation (See say as tag)
我还添加了代码如何写入comtype对象(SAPI),以防出现错误。你知道吗
def __call__(self,text,outputFile):
# https://docs.microsoft.com/en-us/previous-versions/windows/desktop/ms723606(v%3Dvs.85)
self.stream.Open(outputFile + ".wav", self.SpeechLib.SSFMCreateForWrite)
self.engine.AudioOutputStream = self.stream
text = self._text_processing(text)
text = self.SSML_generator(text)
text = ET.tostring(text,encoding='utf8', method='xml').decode('utf-8')
self.engine.speak(text)
self.stream.Close()
提前感谢您的帮助!你知道吗
尝试在ph attrubute中使用单引号。 像这样
还要记住使用\来转义单引号
升级版 这个错误也可能意味着你的ph值不能被解析。你可以在那里查看文档:https://docs.microsoft.com/en-us/azure/cognitive-services/speech-service/speech-synthesis-markup
这个例子行得通
但事实并非如此
相关问题 更多 >
编程相关推荐