【发布时间】：2019-12-17 23:01:25
【问题描述】：
TL;DR: 我正在尝试将 XML 对象（使用 ET）传递给 Windows 10 上的 python 3.7.2 中的 Comtypes (SAPI) 对象。由于字符无效（请参阅下面的错误）。从文件中正确读取 Unicode 字符，可以打印（但不能在控制台上正确显示）。似乎 XML 是作为 ASCII 传递的，或者我缺少一个标志？ (https://docs.microsoft.com/en-us/previous-versions/windows/desktop/ee431843(v%3Dvs.85))。如果是丢失的标志，我该如何通过？ （我还没有弄清楚那部分..）
详细说明
我在 Windows 10 上使用 Python 3.7.2 并尝试发送创建 XML（SSML：https://www.w3.org/TR/speech-synthesis/）文件以与 Microsoft 的语音 API 一起使用。当我查看 SSML 格式时，声音会与某些单词作斗争，它支持音素标签，它允许您指定给定单词的发音方式。 Microsoft 实现了部分标准 (https://docs.microsoft.com/en-us/cortana/skills/speech-synthesis-markup-language#phoneme-element)，因此我找到了一个包含 IPA 发音的 UTF-8 编码库。当我尝试调用 SAPI 并替换部分代码时，我收到以下错误：
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))
我一直在尝试调试，但是当我打印单词的发音时，字符是框。但是，如果我从控制台复制并粘贴它们，它们看起来不错（见下文）。
həˈloʊ,
ˈwɝːld
ɪkˈstɛndəd,
ˈtɛst
最佳猜测
我不确定问题是否是由 1) 我已经更改了 python 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）是否缺少标志？ 2）当它被传递给comtypes（C类型错误）时，它是否被转换为ascii？ 3) XML 是否被错误传递/我错过了一个步骤？
先睹为快
这是读取 IPA 字典然后生成 XML 文件的类。查看 _load_phonemes 和 _pronounce。
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。
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！
【问题讨论】：
-
这篇文章的答案正是我想做的。 stackoverflow.com/questions/31167967/…。但是我无法发表评论，也不包括答案。