在 Azure 上调用 SpeechAPI 以实现文本转语音

Posted 2023-03-10

【中文标题】在 Azure 上调用 SpeechAPI 以实现文本转语音

【英文标题】：Calling SpeechAPI for text to speech on Azure

【发布时间】：2016-03-13 00:27:22

【问题描述】：

我在本地服务器上运行了以下非常基本的 TTS 代码

using System.Speech.Synthesis;
...
SpeechSynthesizer reader = new SpeechSynthesizer();
reader.Speak("This is a test");

此代码依赖于 System.Speech，我在 VS 2015 项目中为此添加了参考。 工作正常，但根据我的阅读和尝试，我知道当代码托管在 Azure 上时，这将不起作用。 我已经阅读了几篇关于 SO 查询的帖子，是否真的可以在 azure 上进行 TTS。当然，在 2 年前，这似乎是不可能的。 How to get System.Speech on windows azure websites?

似乎所有的道路都通向 Microsoft Speech API https://azure.microsoft.com/en-gb/marketplace/partners/speechapis/speechapis/ 我已经注册并获得了用于调用此 API 的私钥和 sec 密钥。 然而我的问题是这个。我如何实际调用 SpeechAPI？我必须在上面的简单代码示例中进行哪些更改，以便在 azure 上运行时可以正常工作？

【参考方案1】：

您在 Azure 市场中提到的语音 API 是一个名为 ProjectOxford 的 AI 微软项目的一部分，该项目提供了一系列用于计算机视觉、语音和语言的 API。

这些都是 RESTful API，这意味着您将构建 HTTP 请求以发送到云中的托管在线服务。 语音转文本文档在here 可用，您可以在 github 上找到各种客户端的示例代码。专门针对 C#，您可以在 this sample project 中看到一些代码。

请注意，ProjectOxford 仍处于预览阶段（测试版）。可以在ProjectOxford MSDN forum 上找到使用这些 API 的更多支持。

但只是为了让您了解程序的外观（取自 github 上的上述代码示例）：

        AccessTokenInfo token;

        // Note: Sign up at http://www.projectoxford.ai for the client credentials.
        Authentication auth = new Authentication("Your ClientId goes here", "Your Client Secret goes here");

        ... 

        token = auth.GetAccessToken();

        ...

        string requestUri = "https://speech.platform.bing.com/synthesize";

        var cortana = new Synthesize(new Synthesize.InputOptions()
        
            RequestUri = new Uri(requestUri),
            // Text to be spoken.
            Text = "Hi, how are you doing?",
            VoiceType = Gender.Female,
            // Refer to the documentation for complete list of supported locales.
            Locale = "en-US",
            // You can also customize the output voice. Refer to the documentation to view the different
            // voices that the TTS service can output.
            VoiceName = "Microsoft Server Speech Text to Speech Voice (en-US, ZiraRUS)",
            // Service can return audio in different output format. 
            OutputFormat = AudioOutputFormat.Riff16Khz16BitMonoPcm,
            AuthorizationToken = "Bearer " + token.access_token,
        );

        cortana.OnAudioAvailable += PlayAudio;
        cortana.OnError += ErrorHandler;
        cortana.Speak(CancellationToken.None).Wait();

【讨论】：

谢谢，我没有意识到它还处于测试阶段。在阅读了 Azure 网站上的定价后，我们目前处理的语音请求数量将花费我们近 100 万美元（每年 2.5 亿次，我们在 AWS EC2 实例中花费大约 50K 来提供相同的服务）所以我试图验证我是否正确阅读了定价信息，后来来自 3 个不同的人的 3 封电子邮件，我发现自己被引导回到他们的 azure 定价页面，抱歉，“我们不确定”。看起来 Azure 并不适合我们的特定用例 :(

您指的是哪个定价网站？ ProjectOxford 定价可在此处找到：projectoxford.ai/pricing

请注意，由于它是预览版，这些 API 的定价可能会发生变化。无论如何，如果您在 EC2 实例上使用其他方法来处理这些并考虑迁移到 Azure，那么它的价值也可以在这里与 Azure VM 定价进行比较：azure.microsoft.com/en-us/pricing/calculator 这将是一个更“苹果”与“苹果”的比较跨度>