基于C# 百度AI和科大汛飞语音合成SDK

Posted 2022-06-23 w2011

一、百度语音合成

百度语音合成C# SDK主要是基于Rest API,需要互联网调用HTTP接口，Rest API 仅支持最多512个汉字，合成的格式文件为MP3，没有其它的格式。如果想离线使用需下载SDK,android 或ios。

1、安装语音合成 C# SDK

C# SDK 现已开源! https://github.com/Baidu-AIP/dotnet-sdk

** 支持平台：.Net Framework 3.5 4.0 4.5， .Net Core 2.0 **

2、方法一：使用Nuget管理依赖 （推荐）

在NuGet中搜索 Baidu.AI，安装最新版即可。

packet地址 https://www.nuget.org/packages/Baidu.AI/

3、源程序界面及代码

   #region 百度语音

        private void simpleButton1_Click(object sender, EventArgs e)
        
            if (spinEdit1.Value <= 0)
            
                spinEdit1.Focus();
                return;
            
            if (trackBarControl1.Value <= 0)
            
                trackBarControl1.Focus();
                return;
            

            if (string.IsNullOrEmpty(textBox1.Text.Trim()))
            
                textBox1.Focus();
                textBox1.Select();
                return;
            

            // 设置APPID/AK/SK
            var APP_ID = "******";
            var API_KEY = "******";
            var SECRET_KEY = "*****";

            var client = new Baidu.Aip.Speech.Tts(API_KEY, SECRET_KEY);
            client.Timeout = 60000;  // 修改超时时间


            // 可选参数
            var option = new Dictionary<string, object>()
            
                "spd", spinEdit1.Value, // 语速
                "vol", trackBarControl1.Value, // 音量
                "per", comboBoxEdit1.SelectedIndex  // 发音人，4：情感度丫丫童声
            ;
            var result = client.Synthesis(textBox1.Text, option);

            if (xtraSaveFileDialog1.ShowDialog() == System.Windows.Forms.DialogResult.OK)
            

                if (result.ErrorCode == 0)  // 或 result.Success
                
                    File.WriteAllBytes(xtraSaveFileDialog1.FileName, result.Data);
                
            
        

        #endregion

 接口参数说明：

 

二、科大讯飞语音合成 

 科大讯飞没有c# SDK，采用WebAPi的形式调用。不过请注意该接口使用的HTTP API协议不支持跨域。

1、接口调用流程

注： 调用接口前需配置IP白名单，IP白名单规则请参照 IP白名单。（由于我之前没有设置正确的IP，导致接口调用不成功）可以在百度里面输入IP将会显示你的互联网IP

1. 通过接口密钥基于MD5计算签名，将签名以及其他参数放在Http Request Header中 。
2. 将文本数据放在Http Request Body中 。
3. 向服务器端发送Http请求后，接收服务器端的返回结果。

 

 注： 在控制台添加服务后，点击“发音人管理”可自行添加并试用发音人，添加后会显示该发音人参数值，设置参数voice_name为相应的发音人参数值即可。

2、程序界面及源代码

源代码

  public class Rootobject
    
        public string auf  get; set; 
        public string aue  get; set; 
        public string voice_name  get; set; 
        public string speed  get; set; 
        public string volume  get; set; 
        public string pitch  get; set; 
        public string engine_type  get; set; 
        public string text_type  get; set; 
    

        String Md5(string s)
        
            System.Security.Cryptography.MD5 md5 = new System.Security.Cryptography.MD5CryptoServiceProvider();
            byte[] bytes = System.Text.Encoding.UTF8.GetBytes(s);
            bytes = md5.ComputeHash(bytes);
            md5.Clear();
            string ret = "";
            for (int i = 0; i < bytes.Length; i++)
            
                ret += Convert.ToString(bytes[i], 16).PadLeft(2, ‘0‘);
            
            return ret.PadLeft(32, ‘0‘);
        

        #region 把流转换成缓存流
        MemoryStream StreamToMemoryStream(Stream instream)
        
            MemoryStream outstream = new MemoryStream();
            const int bufferLen = 4096;
            byte[] buffer = new byte[bufferLen];
            int count = 0;
            while ((count = instream.Read(buffer, 0, bufferLen)) > 0)
            
                outstream.Write(buffer, 0, count);
            
            return outstream;
        
        #endregion

        #region 把缓存流转换成字节组
        public static byte[] streamTobyte(MemoryStream memoryStream)
        
            byte[] buffer = new byte[memoryStream.Length];
            memoryStream.Seek(0, SeekOrigin.Begin);
            memoryStream.Read(buffer, 0, buffer.Length);
            return buffer;
        
        #endregion

   private void simpleButton2_Click(object sender, EventArgs e)
        

            // 应用APPID（必须为webapi类型应用，并开通语音合成服务，参考帖子如何创建一个webapi应用：http://bbs.xfyun.cn/forum.php?mod=viewthread&tid=36481）
            string appID = "****";
            // 接口密钥（webapi类型应用开通合成服务后，控制台--我的应用---语音合成---相应服务的apikey）
            string APIKey = "****";
            // 语音合成webapi接口地址
            String url = "http://api.xfyun.cn/v1/service/v1/tts";
            String bodys;
            // 待合成文本
            string text = memoEdit1.Text;
            // 对要合成语音的文字先用utf-8然后进行URL加密
            byte[] textData = Encoding.UTF8.GetBytes(text);

            text = HttpUtility.UrlEncode(textData);
            bodys = string.Format("text=0", text);

            //aue = raw, 音频文件保存类型为 wav或者pcm
            //aue = lame, 音频文件保存类型为 mp3
            string AUE = "lame";

            Rootobject root = new Rootobject();
            root.aue = AUE;
            root.auf = "audio/L16;rate=16000";
            root.speed = speed.Value.ToString();
            root.pitch = pitch.Value.ToString();
            root.volume = volume.Value.ToString();
            root.voice_name = voice_name.Text.Split(‘-‘)[0];
            root.engine_type = engine_type.Text.Split(‘-‘)[0];
            root.text_type = "text";
            string param = Newtonsoft.Json.JsonConvert.SerializeObject(root);
            // 获取十位的时间戳
            TimeSpan ts = DateTime.UtcNow - new DateTime(1970, 1, 1, 0, 0, 0, 0);
            string curTime = Convert.ToInt64(ts.TotalSeconds).ToString();
            // 对参数先utf-8然后用base64编码
            byte[] paramData = Encoding.UTF8.GetBytes(param);
            string paraBase64 = Convert.ToBase64String(paramData);
            // 形成签名
            string checkSum = Md5(APIKey + curTime + paraBase64);
            // 组装http请求头
            HttpWebRequest request = (HttpWebRequest)WebRequest.Create(url);
            request = (HttpWebRequest)WebRequest.Create(url);
            request.Method = "POST";
            request.ContentType = "application/x-www-form-urlencoded";
            request.Headers.Add("X-Param", paraBase64);
            request.Headers.Add("X-CurTime", curTime);
            request.Headers.Add("X-Appid", appID);
            request.Headers.Add("X-CheckSum", checkSum);

            Stream requestStream = request.GetRequestStream();
            StreamWriter streamWriter = new StreamWriter(requestStream, Encoding.GetEncoding("gb2312"));
            streamWriter.Write(bodys);
            streamWriter.Close();

            String htmlStr = string.Empty;
            HttpWebResponse response = request.GetResponse() as HttpWebResponse;
            Stream responseStream = response.GetResponseStream();

            using (StreamReader reader = new StreamReader(responseStream, Encoding.GetEncoding("UTF-8")))
            
                string header_type = response.Headers["Content-Type"];
                if (header_type == "audio/mpeg")
                
                    Stream st = response.GetResponseStream();
                    MemoryStream memoryStream = StreamToMemoryStream(st);

                    if (xtraSaveFileDialog2.ShowDialog() == System.Windows.Forms.DialogResult.OK)
                    
                        // 保存音频文件地址和音频格式类型
                        File.WriteAllBytes(xtraSaveFileDialog2.FileName, streamTobyte(memoryStream));
                    

                    Console.WriteLine(response.Headers);
                    Console.ReadLine();
                
                else
                
                    htmlStr = reader.ReadToEnd();
                    Console.WriteLine(htmlStr);
                    Console.ReadLine();
                
            
            responseStream.Close();
        

        #endregion
    

 通过尝试百度和科大讯飞两个语音合成接口，发现科大讯飞语音比较好一些，百度有些词语会读错。