首页

主题

image-20250413174807465

1、录音 ​

2、转wav格式 ​

python
from pydub import AudioSegment
m4a_file = './me.m4a'
wav_file = './me.wav'  # 替换为你想要保存的wav文件路径

# 读取m4a文件
audio = AudioSegment.from_file(m4a_file, format="m4a")

# 导出为wav文件
audio.export(wav_file, format="wav")

print(f"文件已成功转换并保存为 {wav_file}")

3、上传文件 ​

python
from openai import OpenAI
 
client = OpenAI(api_key=STEP_API_KEY, base_url="https://api.stepfun.com/v1")
 
client.files.create(
file=open("./me.wav", "rb"),
purpose="storage"
)

输出

json
FileObject(id='file-xxxx', bytes=729132, created_at=1740197078, filename='me.wav', object='file', purpose='storage', status=None, status_details=None)

文件id是 file-xxxx

4、复刻音色 ​

python
import requests,json
import base64
data = {
    "file_id":"file-xxxx",# 文件id
    "model":"step-tts-mini",
    "text":"智能阶跃，十倍每一个人的可能",
    "sample_text":"今天天气不错"
}


headers = {"content-type":"application/json",
          'Authorization':'Bearer '+ STEP_API_KEY}
res = requests.post('https://api.stepfun.com/v1/audio/voices',json.dumps(data),headers=headers)
voice = res.json()
print(voice['sample_text'])
# 解码Base64字符串为二进制数据
decoded_audio = base64.b64decode(voice['sample_audio'])

# 定义输出文件路径
output_file_path = 'me_first.wav'

# 将解码后的数据写入到文件
with open(output_file_path, 'wb') as output_file:
    output_file.write(decoded_audio)

print(f"音频文件已保存为 {output_file_path}")
from IPython.display import Audio

Audio(output_file_path,autoplay=True)

返回值

json
{
'id': 'voice-tone-xxxx',
 'object': 'audio.voice',
 'duplicated': False,
 'sample_text': '今天天气不错',
 'sample_audio':'' # base64 音频文件
 }

接口返回的 voice-tone-xxxx 就是你专属音色id

image-20250413174930796

5、使用专属音色 ​

https://platform.stepfun.com/docs/guide/tts#%E6%94%AF%E6%8C%81%E9%9F%B3%E8%89%B2

python
from pathlib import Path
from openai import OpenAI
import os,time

def get_ts():
    now = int(time.time())
    timeArray = time.localtime(now)
    ts = time.strftime("%Y%m%d%H%M%S", timeArray)
    return ts
    
def tts(text,voice='voice-tone-xxxx'): # 需替换成你自己的
    filename =f"{get_ts()}.mp3"
    speech_file_me_path = os.path.join(Path.cwd(), filename)
     
    client = OpenAI(
      api_key=STEP_API_KEY,
      base_url="https://api.stepfun.com/v1"
    )
    response = client.audio.speech.create(
      model="step-tts-mini",
      voice=voice,
      input=text
    )
    response.stream_to_file(speech_file_me_path)
    return filename

来个测试

python
tts_val = '''今天，月之暗面MoonshotAI开源了一个全新的160亿参数规模的MoE大语言模型Moonlight-16B

是一个大规模的混合专家（MoE）模型，参数数量160亿。

官方开源的模型名字是Moonlight-16B-A3B，因为它是160亿参数的大模型，但是每次推理仅激活其中的24亿参数，所以加了一个A3B，A是激活Activation，3B是24亿的参数。

根据官方开源的模型参数，有64个专家和2个共享专家，每次推理的时候每个token会激活其中6个专家。

包含2个版本，
一个是基座版本的Moonlight-16B-A3B，
一个是Moonlight-16B-A3B-Instruct'''

speech_file_path = tts(tts_val)
os.path.join(Path.cwd(),speech_file_path)

# 预览tts
from IPython.display import Audio
Audio(speech_file_path,autoplay=True)