声音复刻

**目 录**
1. 能力介绍
2. 准备工作
	2.1. 能力接入
	2.2. 合成结果下发说明
	2.3. 授权申请
3.  能力使用
	3.1.  SDK集成
	3.1.1. 资源注册
	3.1.2. 资源删除
	3.1.3. 合成调用
	3.2.  API集成
	3.2.1. 资源注册
	3.2.2. 资源删除
	3.2.3. 合成调用
4.  错误码

## 1. 能力介绍
录入一段音频生成AI定制音色。

## 2. 准备工作
### 2.1. 能力接入
（1）配置aiui交互大模型（AIUI应用配置下开启）
（2）SDK集成：SDK版本**不低于 6.6.0001.0041**，且aiui.cfg中指定交互大模型链路，即 **aiui_ver:2**
（3）API集成：资源注册和删除，接口见下方文档；合成调用使用[大模型接入API](https://aiui-doc.xf-yun.com/project-1/doc-181/)接口实现

### 2.2. 合成结果说明
声音复刻仅支持下发音频流，不支持url

### 2.3. 授权申请
- 联系商务或发送邮件到 aiui_support@iflytek.com

## 3. 能力使用
>注意：
>1、声音复刻仅支持主动文本合成
>2、每个设备（SN）最多注册3个资源id

### 3.1.  SDK集成
####  3.1.1. 资源注册

> **注意：** **使应用端需要自行存储res_id，避免丢失。另外注册音频的采样率为 24k。**

- 加载音频文件注册，音频要求：
>   时长: 建议20s~40s
>   文件大小范围：[480KB, 3MB]
>   采样率: 24000
>   通道数: 1
>   位深: 16
>   编码格式: 裸音频pcm

- 接口调用方式如下（Android示例）：

```java
// 注册音频保存的路径
String path = "";

JSONObject paramsJson = new JSONObject();
paramsJson.put(AIUIConstant.KEY_RES_PATH, path);
// 构建注册事件
AIUIMessage regVoice = new AIUIMessage(AIUIConstant.CMD_VOICE_CLONE,AIUIConstant.VOICE_CLONE_REG, 0, paramsJson.toString(), null);

mAIUIAgent.sendMessage(regVoice);

```

- 回调结果处理（Android示例）:

```java
/**
 * AIUI 回调
 */
private final AIUIListener mAIUIListener = new AIUIListener() {
    @Override
    public void onEvent(AIUIEvent aiuiEvent) {
        switch (aiuiEvent.eventType) {
            // 声音复刻：资源注册和删除回调
            case AIUIConstant.EVENT_CMD_RETURN: {
                if (aiuiEvent.arg1 == AIUIConstant.CMD_VOICE_CLONE) {
                    int retCode = aiuiEvent.arg2;
                    int dtype = aiuiEvent.data.getInt(AIUIConstant.KEY_SYNC_DTYPE, -1);
                    if (dtype == AIUIConstant.VOICE_CLONE_REG) {
                        // 声音注册结果
                        if (retCode == AIUIConstant.SUCCESS) {
                        	String resId = aiuiEvent.data.getString(AIUIConstant.KEY_RES_ID, "");
                            showTip("注册成功，res_id=" + resId);
                        } else {
                            showTip("注册失败，error=" + retCode);
                        }
                    } else if (dtype == AIUIConstant.VOICE_CLONE_DEL) {
                        // 声音删除结果
                        if (retCode == AIUIConstant.SUCCESS) {
                            showTip("删除成功");
                        } else {
                            showTip("删除失败，error=" + retCode);
                        }
                    }
                }
            }
        }
    }
};

```

####  3.1.2. 资源删除
- Android示例：

```java
// 注册好的资源id
String mCurResId = "resID";

JSONObject paramsJson = new JSONObject();
paramsJson.put(AIUIConstant.KEY_RES_ID, mCurResId);
// 构建资源删除事件
AIUIMessage delVoice = new AIUIMessage(AIUIConstant.CMD_VOICE_CLONE,
        AIUIConstant.VOICE_CLONE_DEL, 0, paramsJson.toString(), null);
mAIUIAgent.sendMessage(delVoice);

```

- 删除结果见 “3.1.1. 资源注册”。

####  3.1.3. 合成调用
请求合成，需配置参数vcn、res_id。

- Android示例：

```java
// 注册好的资源id
String mCurResId = "resID";
String text = "你好";
// 声音复刻vcn固定x5_clone，附带res_id
String params = "vcn=x5_clone,res_id=" + mCurResId;
byte[] textData = text.getBytes("utf-8");

AIUIMessage startTTS = new AIUIMessage(AIUIConstant.CMD_TTS, AIUIConstant.START, 0,params,textData);
mAIUIAgent.sendMessage(startTTS);
```

### 3.2. API集成

- 请求地址：

```java
http[s]://aiui.xf-yun.com
```
-  鉴权方式：
	详见[鉴权文档](https://aiui-doc.xf-yun.com/project-1/doc-404/)说明 
- Demo
	[点击查看](https://gitee.com/iflytek-aiui/AIUICbmLiteDemo/tree/master/res-mngr/voice-clone "点击下载")

####  3.2.1. 资源注册
根据用户输入的音频进行声音复刻，返回资源id。1个SN最多注册3个资源。

- METHOD: POST
- PATH: /v2/aiint/voice-clone/sgen/reg
- Content-Type: multipart/form-data

- HTTP 请求示例：

```java
POST /v2/aiint/voice-clone/sgen/reg HTTP/1.1
Host: 127.0.0.1:9996
Content-Length: 412
Content-Type: multipart/form-data; boundary=----WebKitFormBoundary7MA4YWxkTrZu0gW

------WebKitFormBoundary7MA4YWxkTrZu0gW
Content-Disposition: form-data; name="appid"

5c8b403a
------WebKitFormBoundary7MA4YWxkTrZu0gW
Content-Disposition: form-data; name="sn"

12334454543dfsdfsf
------WebKitFormBoundary7MA4YWxkTrZu0gW
Content-Disposition: form-data; name="data"; filename="/D:/文件/tts/2-正常音色文件-zzy.pcm"
Content-Type: <Content-Type header here>

(data)
------WebKitFormBoundary7MA4YWxkTrZu0gW--
```

表单参数说明

| 参数名 | 类型   | 说明                               | 必需 | 示例               |
| ------ | ------ | ---------------------------------- | ---- | ------------------ |
| appid  | string | AIUI应用appid                      | 是   | 5c8b403a           |
| sn     | string | 设备sn号，长度不超过32位 | 是   | 12334454543dfsdfsf |
| data   | file   | 音频文件                           | 是   | -                  |

返回值示例: 
```json
{
	"sid": "xxx",
	"code": 0,
	"msg": "success",
	"data": {
		"res_id": "fsdfwee234324"
	}
}
```

返回值字段说明

| 参数名      | 类型   | 说明            | 必需 | 示例          |
| ---------- | ----- | -------------   | ---- | -----------  |
| sid         | string | 请求标识       | 是   | -             |
| code        | int    | 状态码，0 成功，非0表示请求处理失败   | 是   | 0    |
| msg         | string | 描述           | 是   | -             |
| data        | object | 返回数据        | 否   | -             |
| data.res_id | string | 资源id| 否   | fsdfwee234324 |

#### 3.2.2. 指定id，删除资源
- METHOD: DELETE
- PATH: /v2/aiint/voice-clone/sgen/del
- Content-Type: application/json

- 请求体示例：
```json
{
	"appid": "5c8b403a",
	"sn": "12334454543dfsdfsf",
	"res_id": "fsdfwee234324"
}
```

返回值:
```json
{
	"sid": "xxx",
	"code": 0,
	"msg": "success",
	"data": null
}
```

####  3.2.3. 合成调用

合成调用还是基于[AIUI交互大模型API](https://aiui-doc.xf-yun.com/project-1/doc-181/ "AIUI交互大模型API")接口实现，与其他（一般合成、超拟人合成）相比，主要参数区别如下：

- scene 固定  IFLYTEK.tts
- vcn 固定  x5_clone
- res_id 取值为SN注册的资源id

构建请求json如下

```json
{
    "header": {
        "sn": "1234567890",
        "appid": "a44e0f36",
        "stmid": "text-1",
        "status": 3,
        "scene": "IFLYTEK.tts"
    },
    "parameter": {
        "tts": {
            "vcn": "x5_clone",
            "res_id": "fsdfwee234324",
            "tts": {
                "channels": 1,
                "sample_rate": 16000,
                "bit_depth": 16,
                "encoding": "raw"
            }
        }
    },
    "payload": {
        "text": {
            "compress": "raw",
            "format": "plain",
            "text": "5omT55S16K+d57uZ5byg5LiJ",
            "encoding": "utf8",
            "status": 3
        }
    }
}
```

<details>
	<summary>点击查看示例代码（python）</summary>

```
import _thread as thread
import base64
import datetime
import hashlib
import hmac
import json
from urllib.parse import urlparse
import time
from datetime import datetime
from time import mktime
from urllib.parse import urlencode
from wsgiref.handlers import format_date_time

import websocket

## 修改应用应用配置后直接执行即可

# 请求地址
url = "wss://aiui.xf-yun.com/v2/aiint/ws"

appid = "xxx"
api_key = "xxx"
api_secret = "xxx"

# 场景
scene = "IFLYTEK.tts"
# scene = "main_box"

# 请求类型用来设置文本请求还是音频请求，text/audio
data_type = 'text'

# 请求文本
question = "今天晚上吃点啥好呢，是酱香饼还是麻酱拌凉皮"

# 每帧音频数据大小，单位字节
chuncked_size = 1024

audio_save_fp = open('D:\save_hts_audio.pcm', mode='wb+')

class AIUIV2WsClient(object):
    # 初始化
    def __init__(self):
        self.handshake = self.assemble_auth_url(url)

# 生成握手url
    def assemble_auth_url(self, base_url):
        host = urlparse(base_url).netloc
        path = urlparse(base_url).path
        # 生成RFC1123格式的时间戳
        now = datetime.now()
        date = format_date_time(mktime(now.timetuple()))

# 拼接字符串
        signature_origin = "host: " + host + "\n"
        signature_origin += "date: " + date + "\n"
        signature_origin += "GET " + path + " HTTP/1.1"

# 进行hmac-sha256进行加密
        print(signature_origin)
        signature_sha = hmac.new(api_secret.encode('utf-8'), signature_origin.encode('utf-8'),
                                 digestmod=hashlib.sha256).digest()

signature_sha_base64 = base64.b64encode(signature_sha).decode(encoding='utf-8')

authorization_origin = f'api_key="{api_key}", algorithm="hmac-sha256", headers="host date request-line", signature="{signature_sha_base64}"'

print('get authorization_origin:', authorization_origin)
        authorization = base64.b64encode(authorization_origin.encode('utf-8')).decode(encoding='utf-8')

# 将请求的鉴权参数组合为字典
        v = {
            "host": host,
            "date": date,
            "authorization": authorization,
        }
        # 拼接鉴权参数，生成url
        url = base_url + '?' + urlencode(v)
        # 此处打印出建立连接时候的url,参考本demo的时候可取消上方打印的注释，比对相同参数时生成的url与自己代码生成的url是否一致
        return url

def on_open(self, ws):
        # 连接建立成功后开始发送数据
        print("### ws connect open")
        thread.start_new_thread(self.run, ())

def run(self):
        if data_type == "text":
            self.text_req()

def text_req(self):
        aiui_data = {
            "header": {
                "sn":"1234567891",
                "app_id": appid,
                "stmid": "text-1",
                "status": 3,
                "scene": scene,
                "pers_param":"{\"appid\":\"\",\"uid\":\"iflytek-test\"}"
            },
            "parameter": {
                "nlp": {
                    "nlp": {
                        "compress": "raw",
                        "format": "json",
                        "encoding": "utf8"
                    },
                    # 动态实体
                    "sub_scene": "cbm_v45",
                    "new_session": True
                },
                "tts": {
                    "vcn": "x5_clone",
					"res_id": "fsdfwee234324",
                    "tts": {
                        "channels": 1,
                        "sample_rate": 16000,
                        "bit_depth": 16,
                        "encoding": "raw"
                    }
                }
            },
            "payload": {
                "text": {
                    "compress": "raw",
                    "format": "plain",
                    "text": base64.b64encode(question.encode('utf-8')).decode('utf-8'),
                    "encoding": "utf8",
                    "status": 3
                }
            }
        }
        data = json.dumps(aiui_data, indent=2)
        print('--------text request data--------\n', data,'\n--------text request data--------\n')
        self.ws.send(data)

# 收到websocket消息的处理
    def on_message(self, ws, message):
        data = json.loads(message)

# print('原始结果:', message)
        header = data['header']
        code = header['code']
        # 结果解析
        if code != 0:
            print('请求错误:', code, json.dumps(data, ensure_ascii=False))
            ws.close()
        if 'nlp' in message:
            nlp_json = data['payload']['nlp']
            nlp_text_bs64 = nlp_json['text']
            nlp_text = base64.b64decode(nlp_text_bs64).decode('utf-8')
            nlp_all = json.dumps(data,indent=2)
            # print("--------nlp--------\n" , nlp_all)
            # print("语义结果：",nlp_text,"--------nlp--------\n")
        if 'tts' in message:
            tts_all = json.dumps(data,indent=2)
            print("--------hts_all--------\n",tts_all,"\n--------hts_all_all--------\n")
            tts_audio =  data['payload']['tts']['audio']
            tts_content = base64.b64decode(tts_audio)
            audio_save_fp.write(tts_content)

if 'status' in header and header['status'] == 2:
            # 接受最后一帧结果，关闭连接
            ws.close()

def on_error(self, ws, error):
        print("### connection error: " + error)
        ws.close()

def on_close(self, ws, close_status_code, close_msg):
        print("### connection is closed ###, cloce code:" + str(close_status_code))

def start(self):
        self.ws = websocket.WebSocketApp(
            self.handshake,
            on_open=self.on_open,
            on_message=self.on_message,
            on_error=self.on_error,
            on_close=self.on_close,
        )
        self.ws.run_forever()

if __name__ == "__main__":

client = AIUIV2WsClient()
 client.start()
```
</details>

##  4. 错误码

| 错误码 | 说明                                   |
| :----- | :------------------------------------- |
| 900400 | 参数非法                               |
| 900401 | 应用鉴权异常                           |
| 900402 | 授权已经用完，复刻资源数量已经达到上限   |
| 900404 | 资源不存在                             |
| 900500 | 内部服务错误                           |
| 900501 | 数据库异常                             |
| 900601 | 声音复刻失败                           |