Azure cognitive service: Text-to-Speech- Azure 唸給你聽

Text-to-Speech 文字轉換語音是 Azure Speech 語音服務中其中一個項目。在語音服務之中，除了提供文字和語音的互相轉換以外，還有一些更進階的服務，如語音翻譯、從話語中理解發話者的意圖、辨識發話者身份，等等。在這次要執行的 Text-to-Speech 是為了把之前用 OCR 辨識到的韓文，直接轉換成語音，讓使用者可以不但可以從翻譯知道意思，也可以學習發音。

申請 Azure Speech

1. 進入https://portal.azure.com/#home 。
2. 點選建立資源。
3. 搜尋並選擇 speech 語音。
   
4. 自己命名。
5. 找到可以選擇定價層 Free F0 的區域，並選擇 Free F0 。
   
6. 給予標籤。
7. 檢閱 + 建立。

安裝python套件

pip3.7 install azure-cognitiveservices-speech

金鑰與端點

• 進入https://portal.azure.com/#home 。
• 點選所有資源。
• 點選剛剛建立的 Speech。
• 點選金鑰與端點。
• 複製金鑰與端點。
  

示範程式

一開始需要設定 speech config，輸入金鑰和當初申請時所選擇的區域代碼，會將字串傳給 Speech 轉換成語音，語音內容可以在本地端存成wav檔。
關於選擇區域的代碼，可以執行az account list-locations -o table，會列出所有區域相對應的代碼，在這邊我選擇的是美國東部 2 ，對應到的代碼就是eastus2。下面有列出對照表可供參考。
另外，這裡也需要設定發音的語系，關於語系設定的代碼，可以從此語言支援文件查詢。

from azure.cognitiveservices.speech import (
    SpeechConfig,
    SpeechSynthesizer,
)

# 輸入金鑰和區域，設定config
SPEECH_KEY = "你的金鑰"
speech_config = SpeechConfig(subscription=SPEECH_KEY, region="eastus2")

# 因為後續要針對韓文發音，所以設定成"ko-KR"
speech_config.speech_synthesis_language = "ko-KR"

# 設定轉換後存檔路徑
file_name = "your_path.wav"
audio_config = AudioOutputConfig(filename=file_name)

synthesizer = SpeechSynthesizer(
    speech_config=speech_config, audio_config=audio_config
)

# 開始轉換成語音
synthesizer.speak_text_async(string)

區域代碼表

這邊列出執行az account list-locations -o table之後，會出現的區域代碼表，方便大家查詢。

現在已經具備 OCR、翻譯和文字轉換語音的工具了，所以下一篇我們來組裝韓文翻譯機器人。（謎之聲：搜集完武器，要打第二個中頭目了～）