一、实验目的
- 利用 AWS Lambda 和 AWS Polly 服务搭建一个文本转语音转换器，并将生成的语音文件上传至 Amazon S3 存储桶，实现将输入文本转换为语音音频文件并进行存储的功能，深入理解无服务器架构下的语音合成技术及与 S3 服务的集成应用。
二、实验要求
- 了解 Amazon Web Services（AWS）的基本概念和使用方法。
- 熟悉无服务器架构，掌握 AWS Lambda 的工作原理和操作流程。
- 对语音合成技术有初步认识，知晓 AWS Polly 的功能和使用场景。
- 掌握 Amazon S3 存储桶的创建、权限设置及文件上传操作。
三、实验原理
（一）AWS Lambda
AWS Lambda 是一种计算服务，允许用户在无需配置或管理服务器的情况下运行代码。它具备自动扩展能力，能根据请求量动态调整资源，用户只需为实际消耗的计算时间付费，代码未运行时不产生费用，极大地降低了开发和运营成本，适用于各种应用程序和后端服务的代码执行。
（二）AWS Polly
AWS Polly 是一种文本转语音服务，它利用先进的语音合成技术，可将输入的文本转换为逼真的语音。支持多种语言和不同风格的语音，能满足不同场景下的语音合成需求，如为网站、应用程序添加语音功能等。但需注意，不同的 VoiceID（语音 ID）支持不同的语言，在使用时要确保语音 ID 与输入文本的语言相匹配，否则可能生成无效（无声）的 MP3 文件。可参考AWS Polly 可用语音文档来选择合适的语音 ID。
（三）Amazon S3
Amazon S3（Simple Storage Service）是一种对象存储服务，提供可扩展的存储，用于存储和检索任意数量的数据。在本实验中，将用于存储由 AWS Polly 生成的语音文件。
在本实验中，将通过 AWS Lambda 调用 AWS Polly 的 API，实现文本转语音的功能，并将生成的语音文件上传至 Amazon S3 存储桶。
四、实验步骤
（一）创建Lambda函数
- 登录AWS管理控制台，在搜索框中输入“Lambda”，选择【Lambda】服务进入。
- 在Lambda页面左侧导航栏中点击【函数】，接着点击页面上方的【创建函数】按钮。
- 在“创建函数”页面，选择【从头开始制作】选项。
在“基本信息”部分，进行如下配置：
- 函数名称：自定义一个有意义的名称，例如“text-to-speech-converter”。
- 运行语言：选择【python3.9】（可根据实际情况选择支持的Python版本）。
权限：点击【选择或创建执行角色】，若已有具备相关权限的角色，选择【使用现有角色】，并指定角色名称；若没有，则选择【创建新角色】。在创建新角色时，需确保该角色拥有调用 AWS Polly 服务和 Amazon S3 服务的权限。可以在创建角色的权限策略中添加 “PollyFullAccess” 策略，赋予其对 Polly 的完全访问权限，同时添加 “S3FullAccess” 策略（在实际生产中，建议根据最小权限原则进行更细粒度的权限设置，如仅授予对特定存储桶的读写权限），赋予对 S3 的操作权限。完成配置后，点击【创建函数】。
（二）编写函数代码
在【函数代码】模块中，编写如下Python代码：
import boto3 import os from datetime import datetime def lambda_handler(event, context): polly = boto3.client('polly') text = event.get('text', 'Default Text') # 根据英文文本选择合适的VoiceID，例如Joanna voice_id = 'Joanna' response = polly.synthesize_speech( OutputFormat='mp3', Text=text, VoiceId=voice_id ) audio_stream = response.get('AudioStream') if audio_stream: # 生成时间戳，确保时分秒正确输出 timestamp = datetime.now().strftime("%Y%m%d%H%M%S") s3 = boto3.client('s3') bucket_name = 'text-to-speech-converter-s3' # 替换为你的S3存储桶名称 s3_file_key = f'output_{timestamp}.mp3' # S3存储桶中的对象键 try: s3.put_object(Body=audio_stream.read(), Bucket=bucket_name, Key=s3_file_key) return { 'statusCode': 200, 'body': '文本转语音成功，音频文件已上传到S3', 'audio_s3_path': f's3://{bucket_name}/{s3_file_key}' } except Exception as e: return { 'statusCode': 500, 'body': f'上传音频文件到S3时出错: {str(e)}' } else: return { 'statusCode': 500, 'body': '文本转语音失败' }这段代码首先导入
boto3库用于与 AWS 服务交互，导入os库用于可能的文件操作（这里虽未直接进行本地文件操作，但保留以防扩展需求），导入datetime库用于生成时间戳。在lambda_handler函数中，获取输入事件中的文本内容，如果没有则使用默认的英文文本。然后通过boto3.client('polly')创建一个 Polly 客户端，根据英文文本选择合适的VoiceId为 “Joanna”，调用synthesize_speech方法将文本转换为语音，指定输出格式为mp3。如果获取到音频流，生成带有精确到秒的时间戳的文件名，创建 S3 客户端，尝试将音频流直接上传至指定的 S3 存储桶。若上传成功，返回成功信息和音频文件在 S3 中的路径；若上传失败或文本转语音过程失败，则返回相应的错误信息。
代码编写完成后，点击页面上的【Deploy】（保存）按钮。
（三）创建 Amazon S3 存储桶并设置权限
- 登录 AWS 管理控制台，在搜索框中输入 “S3”，选择【S3】服务进入。
- 在 S3 页面，点击【创建存储桶】按钮。
- 在 “创建存储桶” 页面，进行如下配置：
存储桶名称：输入一个唯一的名称，例如 “text-to-speech-converter-s3”，该名称在所有 AWS 账户的 S3 服务中必须是唯一的。
AWS 区域：选择一个合适的区域，尽量选择与 Lambda 函数所在区域相同的区域，以减少网络延迟。
其他设置可保持默认，然后点击【创建】按钮。 - 存储桶创建完成后，找到并点击该存储桶名称进入存储桶详情页面。
- 在存储桶详情页面，点击【权限】选项卡。
公共访问设置：根据实际需求设置公共访问权限。若希望外部可访问下载音频文件，可适当放宽权限，但需注意安全风险；若仅用于内部使用，可保持默认的阻止所有公共访问设置。
存储桶策略：如果在创建 Lambda 函数执行角色时未授予对特定存储桶的细粒度权限，可在此处添加存储桶策略，以允许 Lambda 函数对应的角色对该存储桶进行读写操作。例如，添加如下策略（将Role_LambdaAndPolly_FullAccess替换为实际的 Lambda 函数执行角色 ARN）：
{
"Version": "2012 - 10 - 17",
"Statement": [
{
"Sid": "AllowLambdaToAccessS3",
"Effect": "Allow",
"Principal": {
"AWS": "Role_LambdaAndPolly_FullAccess_ARN" #根据实际情况替换
},
"Action": [
"s3:PutObject",
"s3:GetObject"
],
"Resource": [
"arn:aws:s3:::text-to-speech-converter-s3/*", #根据实际情况替换
"arn:aws:s3:::text-to-speech-converter-s3" #根据实际情况替换
]
}
]
}（四）配置测试事件
- 回到 Lambda 函数页面，点击页面上方的【Test】按钮，弹出【配置测试事件】弹窗。
- 在弹窗中，配置事件名称，例如 “test-tts”。
在事件内容部分，输入测试文本，格式如下：
{ "text": "Congratulations! When you hear this sound, it indicates that your experiment has been successful." }这里的 “text” 字段就是要转换为语音的文本内容，可根据实际需求修改，同时要确保文本语言与代码中设置的
VoiceId所支持的语言一致。- 配置完成后，点击【Save】按钮。
（五）测试函数
- 创建测试事件完成后，再次点击【Test】按钮，开始测试 Lambda 函数。
等待测试执行完成，查看测试结果。如果执行成功，在输出结果中可以看到状态码为 200，以及提示文本转语音成功并已上传到 S3 的信息和音频文件在 S3 中的路径；若执行失败，会显示相应的错误信息，可根据错误提示检查代码、权限配置以及文本内容和
VoiceId设置等方面是否存在问题。Status: Succeeded Test Event Name: test-tts Response: { "statusCode": 200, "body": "文本转语音成功，音频文件已上传到S3", "audio_s3_path": "s3://text-to-speech-converter-s3/output_20250311170457.mp3" } Function Logs: START RequestId: c35c0e05-04a0-403f-bbeb-41ae395a30b5 Version: $LATEST END RequestId: c35c0e05-04a0-403f-bbeb-41ae395a30b5 REPORT RequestId: c35c0e05-04a0-403f-bbeb-41ae395a30b5 Duration: 3283.48 ms Billed Duration: 3284 ms Memory Size: 128 MB Max Memory Used: 84 MB Init Duration: 313.26 ms Request ID: c35c0e05-04a0-403f-bbeb-41ae395a30b5
五、实验结果
若实验成功，在测试结果中会显示文本转语音成功并已上传到 S3 的提示，通过音频文件在 S3 中的路径，可以在 S3 存储桶中找到对应的音频文件。下载该文件到本地，使用音频播放器打开，应能听到与输入文本对应的语音内容。如果没有听到预期的语音内容或出现错误提示，需要仔细检查代码逻辑、权限配置、文本内容、VoiceId设置以及 S3 存储桶的相关设置等方面是否存在问题，逐步排查并解决。
提示：本实验初次编写于2024/11/12，并于2025/3/11对此前内容进行更新，图片、代码均进行了替换，以提升实验效果。
