播客生成

 # tts.py

import logging
import requests
from fastapi import FastAPI, HTTPException, BackgroundTasks
from fastapi.responses import FileResponse
import httpx
import os
import tempfile
from urllib.parse import urlencode
from urllib.parse import quote_plus

# Set up the logger
logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(levelname)s - %(message)s")
logger = logging.getLogger(__name__)

API_KEY = "your baidu api key"
SECRET_KEY = "your baidu secret key"

# 发音人选择, 基础音库：0为度小美，1为度小宇，3为度逍遥，4为度丫丫，
# 精品音库：5为度小娇，103为度米朵，106为度博文，110为度小童，111为度小萌，默认为度小美
PER = 0
PER_Guest = 1

# 语速，取值0-15，默认为5中语速
SPD = 5

# 音调，取值0-15，默认为5中音调
PIT = 5

# 音量，取值0-9，默认为5中音量
VOL = 5

# 下载的文件格式, 3：mp3(default) 4： pcm-16k 5： pcm-8k 6. wav
AUE = 6
CUID = "123456PYTHON"

app = FastAPI()

def get_access_token():
    """
    使用 AK，SK 生成鉴权签名（Access Token）
    :return: access_token，或是None(如果错误)
    """
    url = "https://aip.baidubce.com/oauth/2.0/token"
    params = {"grant_type": "client_credentials", "client_id": API_KEY, "client_secret": SECRET_KEY}
    return str(requests.post(url, params=params).json().get("access_token"))

API_URL = 'http://tsn.baidu.com/text2audio'

@app.get("/tts")
async def text_to_speech(text: str, background_tasks: BackgroundTasks, voice: str):
    temp_wav_file = tempfile.NamedTemporaryFile(suffix=".wav", delete=False)
    logger.info(f"Created temp WAV file: {temp_wav_file.name}")
    if voice == "host":
        params = {'tok': get_access_token(), 'tex': quote_plus(text), 'per': PER, 'spd': SPD, 'pit': PIT, 'vol': VOL, 'aue': AUE, 'cuid': CUID, 'lan': 'zh', 'ctp': 1}  # lan ctp 固定参数
    else:
        params = {'tok': get_access_token(), 'tex': quote_plus(text), 'per': PER_Guest, 'spd': SPD, 'pit': PIT, 'vol': VOL, 'aue': AUE, 'cuid': CUID, 'lan': 'zh', 'ctp': 1}  # lan ctp 固定参数
    headers = {
        'Content-Type': 'application/json',
        'Accept': 'audio/wav'
    }
    data = urlencode(params)
    async with httpx.AsyncClient() as client:
        try:
            logger.info("Sending request ...")
            response = await client.post(API_URL, headers=headers, data=data.encode('utf-8'))
            response.raise_for_status()  # Raise for HTTP errors
            # Log the content type of the response
            content_type = response.headers.get('Content-Type', 'unknown')
            logger.info(f"Response Content-Type: {content_type}")
            # Save the response content as an WAV file
            with open(temp_wav_file.name, "wb") as audio_file:
                audio_file.write(response.content)
            logger.info(f"Audio written to temp WAV file: {temp_wav_file.name}")
            # Use FileResponse to send the WAV file
            file_response = FileResponse(temp_wav_file.name, media_type="audio/wav", filename="speech.wav")
            logger.info("Returning the WAV audio file.")
            # Add a background task to delete the files after response is sent
            background_tasks.add_task(os.remove, temp_wav_file.name)
            return file_response
        except httpx.TimeoutException:
            logger.error("Request timed out. Consider increasing the timeout limit.")
            raise HTTPException(status_code=504, detail="Gateway Timeout: OpenAI API did not respond in time.")
        except Exception as e:
            logger.error(f"Error occurred: {str(e)}")
            raise HTTPException(status_code=500, detail=str(e))

if __name__ == "__main__":
    import uvicorn
    uvicorn.run(app, host="0.0.0.0", port=5012)    # 在 PodLM 项目的后端服务 server.py 中需要对应更改

# server.py 需替换两处
# server_pro.py 需替换三处

def generate_podcast_title(content):
    def llm_request():
        api_url = "https://open.bigmodel.cn/api/paas/v4"    # 修改请求URL
        api_key = "your zhipu api key"    # 添加 api key
        model = 'glm-4-plus'    # 要调用的 GLM
        headers = {
            'Content-Type': 'application/json',
            'Authorization': f'Bearer {api_key}'
        }
        data = {
            'model': model,
            'messages': [
                {'role': 'system', 'content': '你是一个播客标题生成器，请根据给定的内容生成一个吸引人的播客标题，标题需要有内涵一点。不要输出任何emoji符号，严禁输出《》等符号，严禁输出《》等符号，严禁输出《》等符号。'},
                {'role': 'user', 'content': f"请为以下内容生成一个播客标题:\n{content}"} 
            ]
        }
        response = requests.post(api_url, headers=headers, json=data)
        response.raise_for_status()
        result = response.json()
        if 'choices' in result and len(result['choices']) > 0:
            return result['choices'][0]['message']['content'].strip()
        else:
            raise ValueError('API返回的数据格式不正确')

def tts_request(text, anchor_type):
    if anchor_type == "主播Carol":
        voice = "host"
        url = f"http://127.0.0.1:5012/tts?text={text}&voice={voice}"    # 与 tts.py 对应
    else:
        voice = "guest"
        url = f"http://127.0.0.1:5012/tts?text={text}&voice={voice}"    # 与 tts.py 对应

# 第一次 LLM 请求
    data = {
        'model': model,
        # 修改 messages 的内容
        'messages': [
            {'role': 'system', 'content': '你是一个播客对话内容生成器,你需要将我给你的内容转换为自然的对话,主持人叫leo。对话以探讨交流形式,不要问答形式,正式对话开始前需要有引入主题的对话,需要欢迎大家收听本期播客,对话需要更口语化一点日常交流,你输出的内容不要结束对话,后面我还会补充更多对话,一定不能有任何结束性对话,直接结束就行,后面我还会补充内容。总内容字数需要大于10000字。在保证完整性的同时你还需要给我增加补充相关内容,一定要延伸补充,对话不是简单的一问一答,需要在每个发言中都抛出更多的观点和内容知识,需要补充更多的内容,不要使用提问形式使用交流探讨形式。以JSON格式输出,除了json内容不要输出任何提示性内容,直接json输出,不要提示性内容以及任何格式内容,严禁输出 ```json 此类格式性内容,直接输出json即可,格式严格参考 [{"role": "host", "content": "你好"}, {"role": "guest", "content": "你好"}]'},
            {'role': 'user', 'content': f"请将以下内容转换成播客对话,对话内容content加身份前缀,这是一个包含多个对象的JSON数组，每个对象都有两个键值对，分别是role（表示角色）和content（表示内容）。内容如下:\n{text_content}"}
        ]
    }
    log("正在发送第一次请求到 LLM API")
    response = requests.post(api_url, headers=headers, json=data)
    if response.status_code == 200:
        log("成功接收第一次 LLM API 响应")
        result = response.json()
        if 'choices' in result and len(result['choices']) > 0:
            content = result['choices'][0]['message']['content']
            log(f"API 返回的原始内容: {content}")
            content = content.replace('```json', '').replace('```', '').strip()    # 修改返回内容
            try:
                dialogue = json.loads(content)
                all_content.extend(dialogue)
                log(f"成功解析第一次对话内容，共 {len(dialogue)} 条对话")
            except json.JSONDecodeError as e:
                log(f"JSON 解析错误: {str(e)}")
                log("尝试修复 JSON 格式")
                fixed_content = content.replace("'", '"').replace('\n', '\\n')
                try:
                    dialogue = json.loads(fixed_content)
                    all_content.extend(dialogue)
                    log(f"修复后成功解析对话内容，共 {len(dialogue)} 条对话")
                except json.JSONDecodeError as e:
                    log(f"修复后仍然无法解析 JSON: {str(e)}")
                    return []
    else:
        log(f"第一次生成对话内容失败，状态码: {response.status_code}")
        return []