Skip to content
TheChatArchiveThe Chat Archive
o1-preview-2024-09-12· OpenAIAi2 WildChat-4.8M (AI2)

Mira ayudame a revisar mi codigo, esto lo que hace es usar coqui tts para reproducir un…

  1. User

    Mira ayudame a revisar mi codigo, esto lo que hace es usar coqui tts para reproducir un texto como audio, me gustaria que la voz sonara mas como un robot. Es para un asistente virtual que es un robot

    from TTS.api import TTS import subprocess

    Inicializar Coqui TTS con el modelo seleccionado

    tts = TTS(model_name="tts_models/es/css10/vits", progress_bar=False, gpu=False)

    def speak_text(text): print(f"Numi: {text}") try: # Definir el nombre del archivo de audio file_path = "recording.wav" # Generar el archivo de audio en la ruta especificada tts.tts_to_file(text=text, file_path=file_path) # Reproducir el audio usando aplay y suprimir mensajes de error subprocess.run(['aplay', file_path], stdout=subprocess.DEVNULL, stderr=subprocess.DEVNULL) except Exception as e: print(f"Estado: Error al reproducir el audio. Detalles: {e}")

    if name == "main": speak_text("Hola, habla cuando quieras.")

  2. Assistant

    Para hacer que la voz suene más robótica, puedes aplicar efectos de audio al archivo generado antes de reproducirlo. Una forma de hacerlo es utilizando la librería pydub, que te permite manipular archivos de audio en Python.

    A continuación, te muestro cómo puedes modificar tu código para aplicar efectos que harán que la voz suene más como un robot:

    1. Instala la librería pydub y su dependencia ffmpeg:

      pip install pydub
      

      Asegúrate de tener ffmpeg instalado en tu sistema. Si no lo tienes, puedes instalarlo con:

      • En Ubuntu/Debian:
        sudo apt-get install ffmpeg
        
      • En Windows: Descarga la versión estática de ffmpeg desde este enlace y agrega la ruta binaria a tu variable de entorno PATH.
    2. Modifica tu código para aplicar efectos:

      from TTS.api import TTS
      import subprocess
      from pydub import AudioSegment
      from pydub.effects import low_pass_filter, high_pass_filter, speedup, normalize
      
      # Inicializar Coqui TTS con el modelo seleccionado
      tts = TTS(model_name="tts_models/es/css10/vits", progress_bar=False, gpu=False)
      
      def speak_text(text):
          print(f"Numi: {text}")
          try:
              # Definir el nombre del archivo de audio
              file_path = "recording.wav"
              processed_path = "processed.wav"
      
              # Generar el archivo de audio en la ruta especificada
              tts.tts_to_file(text=text, file_path=file_path)
      
              # Cargar el audio generado
              sound = AudioSegment.from_file(file_path)
      
              # Aplicar efectos para sonar más robótico
              # Cambiar la velocidad (hacerlo un poco más rápido)
              sound = speedup(sound, playback_speed=1.1)
      
              # Cambiar el tono (hacerlo un poco más grave)
              def change_pitch(sound, octaves):
                  new_sample_rate = int(sound.frame_rate * (2.0 ** octaves))
                  return sound._spawn(sound.raw_data, overrides={'frame_rate': new_sample_rate}).set_frame_rate(sound.frame_rate)
      
              sound = change_pitch(sound, -0.5)
      
              # Aplicar filtros de paso bajo y paso alto para modificar las frecuencias
              sound = low_pass_filter(sound, cutoff=1000)
              sound = high_pass_filter(sound, cutoff=100)
      
              # Normalizar el audio
              sound = normalize(sound)
      
              # Exportar el audio procesado
              sound.export(processed_path, format="wav")
      
              # Reproducir el audio procesado usando aplay y suprimir mensajes de error
              subprocess.run(['aplay', processed_path], stdout=subprocess.DEVNULL, stderr=subprocess.DEVNULL)
          except Exception as e:
              print(f"Estado: Error al reproducir el audio. Detalles: {e}")
      
      if __name__ == "__main__":
          speak_text("Hola, habla cuando quieras.")
      

      Explicación de los efectos aplicados:

      • speedup: Acelera ligeramente el audio para darle una sensación más artificial.
      • change_pitch: Baja el tono del audio para hacerlo más grave, lo que puede sonar más robótico.
      • low_pass_filter y high_pass_filter: Filtran ciertas frecuencias para modificar el timbre de la voz.
      • normalize: Ajusta el volumen del audio para que no haya picos demasiado altos o bajos.
    3. Ejecuta tu script y escucha el resultado. Es posible que debas ajustar los parámetros de los efectos para lograr el sonido robótico que deseas. Experimenta con los valores de playback_speed, el cambio de tono y los cortes de frecuencia en los filtros.

    Nota adicional: Si deseas explorar más opciones para que la voz suene robótica, considera:

    • Usar un modelo TTS diferente: Algunos modelos pueden tener voces más adecuadas para un asistente robótico.
    • Aplicar efectos adicionales: Como ecos, distorsiones o modulación con otras librerías o herramientas como sox.
    • Modificar parámetros del modelo TTS: Aunque el modelo que estás usando puede no soportar múltiples voces, algunos modelos permiten ajustar el estilo o la emoción de la voz generada.

    Espero que esto te ayude a lograr el efecto deseado para tu asistente virtual. ¡Buena suerte con tu proyecto!