在 Python 中预加载短 MP3 剪辑以消除播放间隙（用于 Alexa 技能）

Question

我已经在 Alexa 论坛上问过这个问题，但没有得到任何关注。我希望一般 Python 社区能够提供帮助，然后我可以看看它是否适用于 Python Alexa 技能环境。

我有一些短的（1-3 秒长）mp3 文件托管在 Amazon S3 存储桶中，我想在我的 alexa 技能中播放它们。我需要能够根据技能中发生的事情来混合效果的顺序，但它们在播放时需要听起来像 1 个长 MP3，即每个样本的播放之间没有 silence/delay。目前我得到大约 0.5 到 1 秒的差距，这是可变的。虽小，但这种沉默对我的技能应用来说是不能接受的。

我目前正在使用 SSML，有人建议我改用 Alexa 音频播放器，但是，我看到论坛评论说这个播放器也有延迟问题。

有效，这就是我的技能在做什么：

speak_output =  '<speak> Here are some sounds'
if (a=b):
  speak_output += '<audio src="https://s3xxx/file/anEffect.mp3" />'
speak_output += '<audio src="https://s3xxx/file/anotherEffect.mp3" />'
speak_output += '<audio src="https://s3xxx/file/aThirdEffect.mp3" />'
speak_output +=  '</speak>'
        
print (speak_output)
        
return (
     handler_input.response_builder
         .speak(speak_output)
         .ask(speak_output)
         .response

是否有 python 预加载 MP3 文件或在播放前将多个文件合并为 1 个“虚拟”文件的技术？我希望在 1 个序列中播放的效果将持续不超过 10 秒左右。

Answer 1

事情是这样的...您正在向 Alexa 发送包含音频 URL 的文本响应。该规范规定它们必须可以通过 HTTPS 访问互联网并提供服务。所以你没有将它们加载到你的技能处理程序中。 Alexa 服务正在根据您的响应加载它们，然后将它们发送到设备。

Audioplayer 不是用来混合你想要的小片段的。使用时应该支持shuffle on/off、next/back等。你不得不支持一堆你不想要的行为，如果你不这样做，你的技能可能会被拒绝。

我尝试在我的 SSML 中使用数据 URL 来解决这个问题（将文件转换为文本并将文件本身作为 URL 发送）作为实验，但该服务给了我一个错误。即使没有，您也会很快运行达到 URL 字符串中 8000 个字符和总响应中 24000 个字符的服务限制。

您是否考虑过设置一个服务，可以将序列作为查询，将它们在内存中相互追加，然后 return 将合并后的音频作为文件？我不是 Python 人，但似乎您可以使用 PyDub 以“合理”的方式轻松完成。

在 Python 中预加载短 MP3 剪辑以消除播放间隙（用于 Alexa 技能）

preloading short MP3 clips in Python to eliminate playback gaps (for use with an Alexa skill)

python

mp3

alexa