什麼?!這個跟藥庫管理有關係嗎?!
緣起
一開始只是因為常常接到藥師不諳藥品英文發音的電話,導致彼此溝通不良,因此決定使用 Google Translation 的發音功能以正自我視聽。
有別於歐美的藥名發音,重音通常是在第一音節;臺灣人的藥名發音,重音幾乎是落在第二音節,有一種日式發音的感覺。無論如何,語言是溝通的工具,彼此聽得懂就好,不用特別苛求。
後來隨著調藥系統的建立,就有讓電腦讀出正在被調動的藥品名稱的想法。除了建立操作的回饋感,也可以讓藥庫的藥師即時接收資訊。雖然曾經問過主管,即時接收資訊的功能可以使用 Line Notify ,但後來被拒絕了。
下載 Google Translation 的聲音
其實正確來說,是要利用 Google Text to Speech 文字轉語音或語音合成的服務。 Google 的產品說明頁面有提供範例可以試聽聲音。
這項服務是被 Google 納入 Google Cloud Platform 的商品之一,每個月有提供免費的額度,超過額度之後會依照字元收費。為了不超過額度,我們必須將藥品名稱形成語音檔後下載回本地端使用,一來因為調藥系統無法連外網,二來使用本地端的語音檔不會使用到額度。
WaveNet 語音每月前 100 萬個字元免費。如果是標準 (非 WaveNet) 語音,則每月前 400 萬個字元免費。
如果有興趣,或是想要使用更流暢的語音,可以參考官方的計價說明。
開啟 Google Cloud 服務
首先登入 google 的帳號,並且打開 Google Cloud 的頁面,並且點選右上角的免費試用。
為什麼是試用?
就像剛剛提到的, Google Cloud 的服務其實是收費的,但是有提供每個月免費額度。只是因為有部分服務是收費的,所以啟用 Google Cloud 的時候要填寫信用卡資料。
接著填寫啟用資料:
帳戶類型可以選擇個人,並填入個人信用卡資訊:
啟用完成後,再填寫一些問題, Google Cloud 目前有提供 300 美元的免費抵免額:
正式進入頁面後,左上角有預設的專案 (project) ,建立不同的專案是為了處理多個團隊工作內容及團隊底下使用者的管理權限。但是我們使用 google Text to Speech 只有個人使用,專案名稱是什麼並不會在任何地方顯示出來,可以直接用預設專案 My First Project 就好。
如果真的需要建立專案,可以點進左上角,點選建立專案:
就可自己建立喜歡的名稱,至於機構是什麼我就沒有特別去研究,保留無機構即可:
啟用 Text to Speech 的 API
進入 Google Cloud 的控制台 (Console),也就是剛剛可以看到左上角有預設專案名稱的那個頁面,點按左上角的 ≡
,選擇 「 API 和服務」 ,再選擇 「程式庫」 :
在搜尋 API 和服務的欄位中輸入 text to speech
:
搜尋結果中選擇 Cloud Text-to-Speech API :
點選啟用按鈕:
API 憑證
啟用完成後,點選左側選單中的 「 憑證 」 選項: 上方點選 「 + 建立憑證 」: 並以 「 服務帳戶 」 的類型建立 API 憑證: 註冊一個服務帳戶的名稱,這個名稱在個人使用的情境下一樣不會對外顯示,隨便取一個例如 「 tts 」 即可,接著跳過所有的表單空格,直接按下 「 完成 」 即可:
API 金鑰
建立完成後,點擊剛剛完成的服務帳戶: 上方選單點選 「 金鑰 」 : 頁面中點選 「 新增金鑰 」 並選擇 「 建立新的金鑰 」: 預設會以 json 檔案的形式建立,直接按下 「 建立 」 即可: 接著瀏覽器就會直接下載建立好的 json 檔,請儲存在一個固定的位置: 值得一提的是,這個 json 金鑰的期限很長,裡面會有很龐大的亂碼跟參數,並且無法重新下載,所以如果 json 檔案遺失了,只能刪除金鑰後再重新建立一次。
無法重新下載金鑰,只能刪除。
Python 與 Text to Speech API
先上 google 的說明文件,但是沒有正體中文。
回到程式端,我們需要用 python 串接 API 產生聲音檔,所以先下載 google 用戶端的函式庫。這個指令會把相依的函式庫一起安裝好。滿多的。
pip install --upgrade google-cloud-texttospeech
然後把剛剛的 json 絕對路徑找出來,在程式裡面利用 os
方法加進系統的環境變數中:
import os
os.environ['GOOGLE_APPLICATION_CREDENTIALS'] = 'json 的路徑'
引入 google 的函式庫:
import google.cloud.texttospeech as tts
輸入需要發音的文字,要留意有沒有包含中文。其中參數 text
是使用一般方法建立語音,另外一種參數 ssml
則可以引入利用 xml 撰寫的語音標記來合成。 ssml
的說明如連結,所有空白跟標記都算在額度之中,所以要謹慎使用。
text = tts.SynthesisInput(text='Hello World')
選擇發音的語言和語音種類。這邊有目前可選擇的 language_code
和 name
,選擇之前也可以先試聽看看。如果選擇 Standard 以外的聲音,可要稍微留意一下免費額度。
params = tts.VoiceSelectionParams(language_code='en-US', name='en-US-Wavenet-D')
其他設定,包含指定的輸出檔案類型 audio_encoding
、語速 speaking_rate
、音調 pitch
、音量增益 volume_gain_db
、合成採樣率 sample_rate_hertz
等等,都可以自己調整。相關的說明在這裡,以下是我自己習慣的設定:
config = tts.AudioConfig(audio_encoding=tts.AudioEncoding.MP3, speaking_rate=1.5)
接著就把聲音合成出來,利用文件寫入的方式下載檔案:
client = tts.TextToSpeechClient()
response = client.synthesize_speech(input=input, voice=params, audio_config=config)
with open('儲存的檔名.mp3', 'wb') as mp3:
mp3.write(response.audio_content)
幾行之內就完成聲音的下載了,十分簡便!
Python 聲音的操作
然而下載了聲音檔,直接拿來使用後發現:
- 英文語音預設語速過慢,語速要調整成 1.5 。
- 要加入中文語音避免自己也聽不懂英文藥名。
- 中文語音預設語速過快,語速要調整成 0.9 。
因為語速和語調的不同,中英文必須分開下載,再利用 python 把兩個聲音檔合併起來。因此需要另外一套函式庫幫助我們操作聲音。
pip install pydub
同時要記得安裝 ffmpeg 讓 pydub 可以處理 mp3 檔案。
ffmpeg
官網找到 windows 版本的下載位置,還分成 shared 版跟完整版, shared 版本的檔案比較小,表示編譯出來的 exe 不包含所有的 dll 。為了節省不必要的麻煩,選擇下載完整版: 下載完成的檔案解壓縮到固定位置後,必須將 bin 資料夾的路徑加到 Windows 的環境變數中。意思是說在 Powershell 或 cmd 視窗中輸入 ffmepg 指令就可以直接執行程式,而不用輸入完整路徑。
開啟系統內容
,可以在我的電腦圖示上按下滑鼠右鍵點內容;或是按下 Win鍵 + R
輸入 sysdm.cpl
,並點選 「 進階 」 的頁籤:
按下 「 環境變數 」 按鈕:
在 「 系統變數 」 的方框中,找到 Path 的變數,按下編輯:
接著在編輯環境變數的視窗中點選 「 新增 」 ,並輸入剛剛解壓縮後的 ffmepg\bin 資料夾的路徑,例如: C:\ffmepg\bin
。
新增完畢後一路點選確定或套用離開設定視窗。
pydub
pydub 算是個很好操作音檔的 python 函式庫,先上官方文件。
因為 google 語音開始的太直接,有時候受限 html 播放的效能,從第一秒後才開始有聲音。因此需要建立一個空白的開頭,接著才撥放語音:
from pydub import AudioSegment
voice = AudioSegment.empty() #建立一個聲音的片段
voice += AudioSegment.silent(duration=500) #單位是毫秒,1000=1秒
拉進英文語音:
voice += AudioSegment.from_file('英文.mp3', format='mp3')
加一段空白,再拉進中文語音:
voice += AudioSegment.silent(duration=3000)
voice += AudioSegment.from_file('中文.mp3', format='mp3')
調整總體音量:
voice += 10 #單位為分貝 dB ,也可以用減的
輸出檔案:
voice.export(f'路徑\\檔名.mp3', format='mp3')
如此就完成中英文語音的合併了,如果想要合併特殊音效也可以下載後匯入,只是要注意音效的使用所有權。
利用 DataFrames 批次輸出語音
把剛剛下載 google 語音合成的程式碼,和 pydub 的程式碼全部包成一個函式,並且指定檔名為藥品代碼:
def make_voice(code, en_drug_name, zh_drug_name):
...
voice.export(f'路徑\\{code}.mp3', format='mp3')
用 Pandas 把藥品品項檔讀成 DataFrame ,清理資料避免特殊符號干擾 google 發音,再利用 iterrows()
的方法迭代 DataFrame :
import pandas as pd
df = pd.read_csv('藥品品項檔.csv')
#進行適當的資料清理,我這邊是直接重新整理清單,因為醫院的藥品檔基本上無法拿來用...
for _,row in df.iterrows():
if (row['en_name']!='') | (row['zh_name']!=''):
make_voice(row['code'],row['en_name'],row['zh_name'])
就可以一口氣把所有醫院裡面的藥品全部請 google 念一次了!
台語 (tâi-gí)
最一開始規劃發音的時候,其實是想要做中英日台四個語言的,日文也可以利用 google 完成,唯獨台語比較傷腦筋。
2022 年初有找到一個可以直接將中文翻譯成台語的發音網站,就利用 requests
送出藥品中文名稱後,將結果重新丟進網頁裡面直接下載發音:
import requests
import json
search = requests.post('https://hokbu.ithuan.tw/tau', data = {'taibun':zh_name})
kip = json.loads(search.text)['KIP']
response = requests.get('https://hapsing.ithuan.tw/bangtsam', params = {'taibun':kip})
if response.status_code == 200:
with open('tw.mp3', mode ='wb') as f:
f.write(response.content)
沒想到這個網站在 2023 年 9 月的現在已經徹底消失了,而現在比較熱門的線上台語辭典,例如 iTaigi 愛台語或是教育部臺灣閩南語常用詞辭典都無法直接丟中文進去硬翻,因為藥品中文名稱不是日常生活辭彙,搜尋第一關就找不到結果了。
另外一個方法是把藥品當成人名來查詢發音,利用教育部臺灣閩南語常用詞辭典,不過文字上限只有五個中文字。
先安裝 BeautifulSoup4 函式庫來解析 html 字串:
pip install beautifulsoup4
接著就直接抓台語的語音檔:
import requests
from bs4 import BeautifulSoup
tw_name = '伯基'
search = requests.get(f'https://sutian.moe.edu.tw/zh-hant/huliok/miasenn/?mia={tw_name}')
soup = BeautifulSoup(search.text, 'lxml')
# 用 BeautifulSoup 解析 html 字串,並找到第一個 <div class="app-miasenn-liamhuat"> <button>
results = soup.select_one('div.app-miasenn-liamhuat>button')
if results:
# 將 <buttom data-src="..."> 的 ... 取出,並下載
response = requests.get(results['data-src'])
with open('tw.mp3', mode ='wb') as f:
f.write(response.content)
後來發現藥品中文名稱幾乎都是廠商音譯兼義譯的結果,在這種情形下,台文無法很適切的對應到藥品音義。實際上藥師和病人進行藥品衛教的時候,也沒有什麼使用台語直接念出藥品名稱的機會,大部分的台語衛教是直接用台語向病人介紹該藥品的作用,而不是名字。
所以索性放棄的台語的發音,連同日文也一起拉掉,最後剩下中文和英文。