时间戳

首页 > 解决方案 > 录制某个PID Ubuntu的声音

python - 录制某个PID Ubuntu的声音

问题描述

我正在研究文本到语音算法，我终于成功了，这个算法所做的就是把一个 html 文件

变成演讲，就像这样：python record.py file.html

一切都很好，但我想使用这个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

但不是单独记录每个音频，而是在输出上得到重叠。

PS1：我正在使用 ubuntu 服务器，我想在超过 6000 个文件上运行我的命令，每个文件所需的大约时间约为 20 分钟，因为它们是一个大文件。

PS2：我正在使用 pyaudio 录制声音，这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()

有什么方法可以录制来自某个 PID 的音频。

我听说过 docker 容器，但我不知道它在这种情况下是否有帮助。

标签： pythonubuntupyaudiopulseaudio

解决方案

我无法让您的示例代码正常工作，但我有一个基本猜想：您是否更改了每个调用的输出文件名？查看您的脚本，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。

某些软件包（例如pyttsx3）为了将音频写入非线程安全的文件，做了一些时髦的事情。这很可能是您的方法正在发生的事情。

离线文字转语音

我发现完成这项任务的一种非常可靠的方法是espeak直接调用类似的东西。

我写了一个小包，为此提供了一个 CLI。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. 调用espeak感兴趣的文本并将结果输出到*.wav文件。
    • 我们将文本写入文件，而不是尝试通过命令传递一个大字符串，以回避解析'、、"等类似问题。
    • espeak只输出到wav.
    • 有很多选项可以修补声音
  3. 用于lame将*.wav上一步中的文件转换为 mp3。

虽然您可能已经在您的计算机上安装了这些实用程序，但您始终可以使用以下命令安装它们（在 ubuntu 上）：

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

在线文字转语音

如果您可以使用连接到 google 的在线文本转语音，那么该gTTS程序包运行良好。特别是，以下工作如您所愿：

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

推荐阅读