golang 使用科大讯飞进行语音合成与识别

Posted 2023-03-20

参考技术A 使用科大讯飞 API 进行语音合成和识别，可识别wav和pcm文件

运行完成后在本地生成test.pcm文件，将srcText内容合成为语音

使用minimp3库进行播放，依赖MinGW64环境，MP3文件最后一段播放有问题，暂时没解决

在C#中使用科大讯飞Web API进行语音合成

 　　最近工作中需要用到讯飞语音合成接口，网上看了下基本都是Java，PHP，Python版本的，正好补上C# 版本，代码比较简单。

　　 首先在讯飞开放平台上创建一个WebApi项目，取到APPID与APIKey，按官方文档提前准备好一个参数类备用，每个参数是什么意思，官方文档上有很详细的说明：

       public class Parameter
        {
            public string auf { get; set; } = "audio/L16;rate=16000";
            public string aue { get; set; } = "lame";
            public string voice_name { get; set; } = "xiaoyan";
            public string speed { get; set; } = "50";
            public string volume { get; set; } = "50";
            public string pitch { get; set; } = "50";
            public string engine_type { get; set; } = "intp65";
            public string text_type { get; set; } = "text";
        }

　 　实例化一个Parameter并转换为Base64：

            Parameter parameter = new Parameter();
            var json_str = JsonConvert.SerializeObject(parameter);
            var base64_str = Convert.ToBase64String(Encoding.UTF8.GetBytes(json_str));

      分别创建一个HttpWebRequest与HttpWebResponse，并将请求方式设为POST：

           HttpWebRequest httpwebrequest = null;
           HttpWebResponse httpwebresponse = null;
           httpwebrequest = (HttpWebRequest)WebRequest.Create("http://api.xfyun.cn/v1/service/v1/tts");
           httpwebrequest.Method = "POST";
          

      接下来按照文档设置一些必要参数及请求头部：　　　

            String t_s_1970 =TimestampSince1970;
            String checksum = GetMD5("你的APIKey" +t_s_1970 + base64_str);//准备好一个checksum备用
            httpwebrequest.Headers.Add("X-Param", base64_str);

            httpwebrequest.Headers.Add("X-CurTime", t_s_1970);
            httpwebrequest.Headers.Add("X-Appid", "你的APPID");
            httpwebrequest.Headers.Add("X-CheckSum", checksum);
            httpwebrequest.Headers.Add("X-Real-Ip", "127.0.0.1");
            httpwebrequest.Headers.Add("Content-Type", "application/x-www-form-urlencoded");
            httpwebrequest.Headers.Add("charset", "utf-8");

      上面准备好之后将要合成的内容写入到Body里，并获取返回结果：

           using (Stream stream = httpwebrequest.GetRequestStream())
            {
                byte[] data = Encoding.UTF8.GetBytes("text=这是中国，那里也是中国。");//更改生成内容时，text= 要保留
                stream.Write(data, 0, data.Length);
           }

　　　　　　　　httpwebresponse = (HttpWebResponse)httpwebrequest.GetResponse();

　　　　　　　　Stream res_strem = httpwebresponse.GetResponseStream();

　　　　　　　　if (httpwebresponse.ContentType == "text/plain")//ContentType等于"text/plain"即表示生成失败，等于"audio/mpeg"即生成成功

　　　　　　　　{

　　　　　　　　　　StreamReader s_reader = new StreamReader(res_strem, Encoding.UTF8);

　　　　　　　　　　String a = s_reader.ReadToEnd();

　　　　　　　　}else{

　　　　　　　　StreamWriter sw = new StreamWriter(@"D:\abc.mp3");

　　　　　　　　res_strem.CopyTo(sw.BaseStream);

　　　　　　　　sw.Flush();

　　　　　　　　sw.Close();

　　　　　　　　res_strem.Dispose();

　　　　　　}　　

          上面使用到的GetMD5与TimestampSince1970方法体为：

　　　　public static string GetMD5(string source, bool need16 = false, bool toUpper = false)
        {
            var t_toUpper = toUpper ? "X2" : "x2";
            if (string.IsNullOrWhiteSpace(source))
            {
                return string.Empty;
            }
            string t_md5_code = string.Empty;
            try
            {
                MD5 t_md5 = MD5.Create();
                byte[] _t = t_md5.ComputeHash(Encoding.UTF8.GetBytes(source));
                for (int i = 0; i < _t.Length; i++)
                {
                    t_md5_code += _t[i].ToString(t_toUpper);
                }
                if (need16)
                {
                    t_md5_code = t_md5_code.Substring(8, 16);
                }
            }
            catch { }
            return t_md5_code;
        }

        public static string TimestampSince1970
                   => Convert.ToInt64((DateTime.UtcNow - new DateTime(1970, 1, 1, 0, 0, 0, 0)).TotalSeconds).ToString();

　　　　 至此一个完整个方法就好了，是不是很简单。