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。
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:
- 使用 beautifulsoup 从 html 文件中提取感兴趣的文本
- 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
- 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
- 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
- php - 用ajax和php上传文件不发送文件?
- json - /Recent 不返回 LastAccessedDateTime
- php - preg_match_all 在 php 中不起作用,但在在线正则表达式测试器中成功测试
- ruby-on-rails - rails post test 模型错误
- html - 将 vue 模态掩码设置为模糊
- ios - UIView .animate 不工作与 .animateKeyframes
- python-3.x - 如何计算 pyspark RDD 的一个键中的所有值?
- python - 如何将来自不同dict的相同键值与百分比进行比较
- c# - Swagger UI 和 ASP.NET - 未找到映射异常 - 无法访问 swagger UI 页面
- c# - 如何使用 C# 在 SharePoint Online 中读取单个文件的内容