关于百度、微软语音合成的实现案例
关键词
自助机产品、排队呼叫功能、网络喇叭、百度语音合成SDK、微软TTS
阅读建议
对自助机产品功能扩展感兴趣的读者、需要实现远程语音呼叫功能的开发者、想要了解网络喇叭选型及其使用的技术人员、对百度语音合成SDK和微软TTS感兴趣的开发者
阅读时长
预计阅读时长：15-20分钟。这个阅读时长是基于文章内容的详细程度和技术深度来预估的，读者可以在这个时间内较为全面地了解整个项目的需求、解决思路、准备工作以及具体的开发工作。
目录
需求
解决思路
准备工作
开发工作
准备
百度语音合成SDK（短文本）的使用
申请账号获得授权
调用百度语音合成SDK
微软TTS的使用
获取当前Windows中的发音人信息：
调用微软TTS
其他代码
需求
近日公司的自助机产品要在现有自助服务功能的基础上，增加一个排队呼叫功能。考虑到现有自助服务需要对申请人进行语音提示，新增的排队呼叫发声不能放在本地，应另外想办法。
解决思路
经研究采用了网络喇叭的方式：本地语音提示，仍然采用本机TTS并发声播放；另购入一个网络喇叭，在需要对排队人员进行呼叫时，本机从服务器获取呼叫信息（排队号、窗口），调用网络喇叭自带的TTS，或者使用互联网（如百度开放平台）的语音合成，实现远端（喇叭安装在等候区上方）播放。
准备工作
网络喇叭的选型：由于等候区上方的吊顶周边无电源，故选择了一款支持POE供电的网络喇叭。喇叭自带配套软件，可实现文本合成、实时采集等功能。
POE供电模块：网络喇叭功率20W，需要选择单口供电功率20W以上的POE交换机或者供电模块。
将POE交换机连接电源，自助机连接网线至POE交换机，再从该交换机引出一根网线，经由吊顶穿线，连接等候区上方的吊装网络喇叭。
开发工作
准备
在Visual Studio中，使用Nuget安装Baidu.Aip包
使用Nuget安装System.Speech包，并添加“using System.Speech.Synthesis;”的引用
百度语音合成SDK（短文本）的使用
申请账号获得授权
注册百度开发者平台账号，新建应用并申请百度云语音合成服务，最终得到API_KEY、Secret_KEY两个参数值。
调用百度语音合成SDK
var API_KEY = this.txtAppKey.Text; var SECRET_KEY = this.txtSecreKey.Text; var _ttsClient = new Baidu.Aip.Speech.Tts(API_KEY, SECRET_KEY); _ttsClient.Timeout = 60000; // 修改超时时间 // 可选参数 var option = new Dictionary < string, object > () { { "spd", GetStandardSpeed(this.trbSpeed.Value) }, // 语速，取值0-15，默认为5中语调 { "vol", GetStandardVolume(this.trbVolume.Value) }, // 音量：基础音库取值0-9 { "per", cbBaiduReader.SelectedIndex }, // 发音人：度小美=0，度小宇=1，度逍遥（基础）=3，度丫丫=4 { "aue", 6 } //下载的文件格式, 3：mp3(default) 4： pcm-16k 5： pcm-8k 6. wav }; // 使用提供的文本和可选参数进行语音合成 var result = _ttsClient.Synthesis(this.txtContent.Text.Trim(), option); // 检查结果的错误代码，如果为0（或result.Success为真），表示合成成功 if (result.Success) // 或 result.ErrorCode为0 { // 使用MemoryStream来读取合成后的语音数据 using (MemoryStream ms = new MemoryStream(result.Data)) { // 使用SoundPlayer来播放语音 using (System.Media.SoundPlayer sp = new System.Media.SoundPlayer(ms)) { sp.Play(); } } }注：由于System.Media.SoundPlayer仅能播放wav，故百度语音合成参数“aue”固定位6（wav格式）。
微软TTS的使用
获取当前Windows中的发音人信息：
// 使用SpeechSynthesizer类创建一个语音合成器实例，并确保在完成后释放资源 using (SpeechSynthesizer synthesizer = new SpeechSynthesizer()) { // 遍历并获取系统已安装的所有语音 foreach (var voice in synthesizer.GetInstalledVoices()) { // 获取当前语音的详细信息 var info = voice.VoiceInfo; // 将语音的名称添加到comboBox1的下拉列表中，供用户选择 comboBox1.Items.Add(info.Name); } }调用微软TTS
// 使用SpeechSynthesizer类创建一个新的语音合成器实例 using(var synthesizer = new SpeechSynthesizer()) { // 将语音输出设置为默认音频设备 synthesizer.SetOutputToDefaultAudioDevice(); // 从comboBox1中选择一个语音，这里的comboBox1可能是一个下拉列表，用于选择不同的语音 synthesizer.SelectVoice(comboBox1.Text); // 设置语音的音量，音量值通过调用GetStandardVolume函数和trbVolume控件的值来确定 synthesizer.Volume = GetStandardVolume(this.trbVolume.Value); // 设置语音的语速，语速值通过调用GetStandardSpeed函数和trbSpeed控件的值来确定 synthesizer.Rate = GetStandardSpeed(this.trbSpeed.Value); // 读取txtContent文本框中的内容，并去除首尾的空白字符，然后使用语音合成器朗读这段文本 synthesizer.Speak(this.txtContent.Text.Trim()); }其他代码
另外，考虑到百度语音合成和微软TTS的音量、语速的取值范围不尽相同，故编写二者标准化方法进行转换：
// 定义了一个私有方法GetStandardVolume，用于根据当前的TTS引擎获取标准音量。 // 入参为微软tts要求的0-100 private int GetStandardVolume(int currentVolume) { // 判断当前的TTS引擎是否为百度。 // 如果是百度引擎（音量范围0-9），则将当前音量乘以0.09作为标准音量返回。 // 如果不是百度引擎，则直接返回当前音量。 return currentTTSEngine == CurrentTTSEngine.Baidu ? (int)(0.09 * currentVolume) : currentVolume; } // 定义了一个私有方法GetStandardSpeed，用于根据当前的TTS引擎获取标准语速。 //入参为微软tts要求的-10~10 private int GetStandardSpeed(int currentSpeed) { // 判断当前的TTS引擎是否为百度。 // 如果是百度引擎（语速取值范围0-15），则计算标准语速，计算方式为：当前语速加10后乘以0.75，再加0.5，最后转换为整数返回。 // 如果不是百度引擎，则直接返回当前语速。 return currentTTSEngine == CurrentTTSEngine.Baidu ? (int)(0.75 * (currentSpeed + 10) + 0.5) : currentSpeed; }至于上面映射的线性关系参数的确定，让AI帮了忙：
