使用阿里云TTS进行精细情感语音合成
0.为什么用阿里云TTS
原来计划使用的产品：腾讯智影，缺点有：
- 价格昂贵
- 可用的声音数量偏少
- 使用的音色情感变化少，支持多情感的音色只有一个
阿里云的优点：
- 多情感音色
- 价格便宜
- 操作更可控
以下内容针对阿里云网页免费版额度使用完了的情况，在阿里云的设计下，音频合成只能通过他的网络API获取，所以要绕一点弯路，但是能用
1.第一步：登陆阿里云后台、apifox后台
登陆阿里云后台
点击这里登陆阿里云后台：https://signin.aliyun.com/login.htm?callback=https%3A%2F%2Fwww.aliyun.com%2F#/main
在其他方式最右边，有一个RAM用户，切换到RAM用户登陆
访问 https://nls-portal.console.aliyun.com/overview
可以看到AccessToken这里，每过24小时这里会消失，届时旁边会有一个生成按钮，每次生成一个token，记下这个token
登陆apifox后台
在阿里云的设计下，音频合成只能通过他的网络API获取，APIFOX是一个能管理API的平台
登陆apifox主页：https://apifox.com/
进入tts项目，看到这个界面就算OK
2.生成语音步骤
第一步：更新token
如果没有过24小时，token不用更改。
如果距上一次获取token已过24小时，阿里云后台显示有新的token，那么就要重新生成，复制。
在apifox的接口这里，找到POST-语音生成 找到Params里的token，粘贴刚才复制的token 到参数值中，==点右上角保存==。
第二步：修改参数（发音人）
如果要修改发音人，那么要修改voice这个参数。这个参数的值对应具体发音人，对照表格为：https://help.aliyun.com/document_detail/84435.htm#section-uft-ohr-827
例如，我要使用知米_多情感这个音色，那么我就在表格里找到对应的voice参数值为zhimi_emo
把他填入到apifox里去。填写完记得保存。
第三步：生成说话内容
来到阿里云的语音合成产品体验网页：https://ai.aliyun.com/nls/tts
编辑要生成的文字内容。
切换到源代码，可以看到整个说话如何发音都是由脚本控制的：
注意第一行的这里
<speak ... voice="zhimiao_emo">这里的voice的值要和apifox参数那里的voice的值一致（同一个音色）
<speak volume="50" pitch="0" rate="0" voice="zhimiao_emo">
<emotion category="sad" intensity="1">
<s>
作为普通人，
<break time="2s" />
最好不要认为自己会是那少数的幸运儿。
</s>
</emotion>
</speak>复制整个代码，回到apifox，将内容覆盖 text字段
此时内容就编辑好了，点击右上角发送，如果一切顺利，下方可以看到一个返回值为200的成功提示
点击下载，并将文件重命名为xxx.wav，即可得到想要的音频。
额外的精细控制
在官方的编辑器中，有一些缺陷，例如一些特殊参数只能使用预制、或者不能再进一步控制一部分说话的情绪。
以停顿为例，我想做到停顿1.5秒，但是编辑器只允许停顿2秒 和1秒，这样怎么办呢？
切换到源代码，可以看到整个说话如何发音都是由脚本控制的：
<speak volume="50" pitch="0" rate="0" voice="zhimiao_emo">
<emotion category="sad" intensity="1">
<s>
作为普通人，
<break time="2s" />
最好不要认为自己会是那少数的幸运儿。
</s>
</emotion>
</speak>其中可以看到，停顿的代码由这一行控制：
<break time="2s" />这里很自然就可以想到，如果把2s改成其他的数据，就做到了修改成我们要的时长。
这时候你会发现，似乎不能直接在网页端直接修改代码，这就是阿里云司马的地方了，
对此我的建议是：你使用一个代码编辑器，例如notepad3 notepad++ 等支持高亮的编辑器
手动修改一下，当然用系统自带记事本也可以，就是无法显示代码高亮
同理，我们可以分辨出代码里也有控制情感的部分：
...
<emotion category="sad" intensity="1">
....
</emotion>这里的category的值就代表了用哪一种情绪，这个情绪对应的值在这里可以查到：
https://help.aliyun.com/document_detail/101645.html#sectiondiv-g6w-isw-rmw
如果我们对代码稍作修改，我们就做到了在同一段文本中使用不同的情感
<speak volume="50" pitch="0" rate="0" voice="zhimiao_emo">
<!--第一段使用悲伤的情感-->
<emotion category="sad" intensity="1">
<s>
作为普通人，最好不要认为自己会是那少数的幸运儿。
</s>
</emotion>
<!--第二段使用快乐的情感-->
<emotion category="happy" intensity="1">
<s>
作为普通人，最好不要认为自己会是那少数的幸运儿。
</s>
</emotion>
</speak>这只是一个思路演示，在实际的使用中，可以灵活使用代码，得到我们实际想要的效果。