最近在调研使用各个云平台提供的AI服务，有个语音合成的需求因此就使用了一下科大讯飞的TTS服务，也用.NET Core写了一个小示例，下面就是这个小示例及其相关背景知识的介绍。
一、什么是语音合成（TTS）
1.1 What is 语音合成？
将文字信息转化为声音信息，给应用配上“嘴巴”，这就是语音合成。
Note：语音合成和语音识别技术是实现人机语音通信，建立一个有听和讲能力的口语系统所必需的两项关键技术。使电脑具有类似于人一样的说话能力，是当今时代信息产业的重要竞争市场。和语音识别相比，语音合成的技术相对说来要成熟一些，并已开始向产业化方向成功迈进，大规模应用指日可待。
1.2 语音合成的应用场景
目前，语音合成技术在我们生活中具有广泛的应用，如机器人发声、有声读物制作、语音播报等等，这些应用场景都离不开语音合成。
Note：在语音导航应用、新闻类 APP 中，语音合成可以快速生成高质量的播报音频，实现在开车、走路等不方便阅读消息的情况下，音频消息的即时传达。
1.3 语音合成的基本原理
这里借用网易智能的一篇文章中的介绍如下：
简单来说语音合成分为文本分析、韵律分析和声学分析三个部分。通过文本分析提取出文本特征，在此基础上预测基频、时长、节奏等多种韵律特征，然后通过声学模型实现从前端参数到语音参数的映射，最后通过声码器合成语音。整个过程类似于“编码、信息匹配，解码的过程”。
对语音合成有兴趣的朋友，可以阅读以下这篇文章《吴恩达盛赞的Deep Voice详解教程，教你快速理解百度的语音合成原理》。
二、使用.NET Core调用讯飞API
2.1 科大讯飞TTS服务
讯飞提供了众多极具特色的发音人（音库）供您选择。其合成音在音色、自然度等方面的表现均接近甚至超过了人声。这种语音合成体验，达到了真正可商用的标准。在我对百度、阿里、腾讯及讯飞的TTS服务对比中，讯飞的TTS体验好一些，且发音人（音库）最为丰富，还有四川话（准确来说是成都话）音库，碉堡了。大家可以去讯飞TTS服务网页体验一下。
2.2 .NET Core调用示例
（1）首先得去讯飞开放平台注册一个账号，并申请一个勾选有“在线语音合成”的应用
这里主要是拿到AppID及ApiKey，并且可以通过发音人管理增加发音库，当然，高级版的音库都是要单独收费的。免费版本的每天有500次的免费API调用机会。
（2）参考官方API文档和C# DEMO
PS：由于讯飞官方提供的C# DEMO是一个基于.NET Framework的比较老的DEMO，在.NET Core下无法正常使用，我将其简单地改写成了.NET Core版本，并封装了一个XunFeiCloudTtsService类如下：（每个属性都有注释，不再赘述，只是对API调用需要的一些属性的简单封装）
public class XunFeiCloudTtsService
{
// Header Type : audio/mpeg
private const string AUDIO_MPEG_TYPE = "audio/mpeg";
// AppID, AppKey 从讯飞开放云平台获取
public string AppID { get; set; } = "your AppID";
public string ApiKey { get; set; } = "your ApiKey";
// 要进行合成的文字
public string TextToSpeech { get; set; } = "这是一段测试文字";
// 讯飞TTS服务API地址
public string ServiceUrl { get; set; } = "http://api.xfyun.cn/v1/service/v1/tts";
// aue = raw, 音频文件保存类型为 wav
// aue = lame, 音频文件保存类型为 mp3
public string AUE { get; set; } = "raw";
// 音频采样率，可选值：audio/L16;rate=8000，audio/L16;rate=16000
public string AUF { get; set; } = "audio/L16;rate=16000";
// 发音人，可选值：详见控制台-我的应用-在线语音合成服务管理-发音人授权管理
public string VoiceName { get; set; } = "xiaoyan";
// 引擎类型，可选值：aisound（普通效果），intp65（中文），intp65_en（英文），
// mtts（小语种，需配合小语种发音人使用），x（优化效果），
// 默认为intp65
public string EngineType { get; set; } = "intp65";
// 语速，可选值：[0-100]，默认为50
public string Speed { get; set; } = "";
// 音量，可选值：[0-100]，默认为50
public string Volume { get; set; } = "";
// 音高，可选值：[0-100]，默认为50
public string Pitch { get; set; } = "";
// URL加密后的TextToSpeech
public string Bodys { get; set; }
// 要保存的文件夹路径
public string SavePath { get; set; } = "./Output/";
// 要保存的文件名
public string FileName { get; set; } = $"TTS-{ Guid.NewGuid().ToString() }"; static XunFeiCloudTtsService()
{
Encoding.RegisterProvider(CodePagesEncodingProvider.Instance);
} public XunFeiCloudTtsService()
{ } public XunFeiCloudTtsService(string appID, string apiKey, string serviceUrl)
{
AppID = appID;
ApiKey = apiKey;
ServiceUrl = serviceUrl;
} public string GetTtsResult()
{
SetTextDataBodys(); string param = "{\"aue\":\"" + AUE + "\",\"auf\":\"" + AUF + "\",\"voice_name\":\"" + VoiceName + "\",\"engine_type\":\""
+ EngineType + "\",\"speed\":\"" + Speed + "\",\"volume\":\"" + Volume + "\",\"pitch\":\"" + Pitch + "\"}";
// 获取十位的时间戳
TimeSpan ts = DateTime.UtcNow - new DateTime(, , , , , , );
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);
// 设置HttpHeaders
var ttsRequest = (HttpWebRequest)WebRequest.Create(ServiceUrl);
ttsRequest.Method = "POST";
ttsRequest.ContentType = "application/x-www-form-urlencoded";
ttsRequest.Headers.Add("X-Param", paraBase64);
ttsRequest.Headers.Add("X-CurTime", curTime);
ttsRequest.Headers.Add("X-Appid", AppID);
ttsRequest.Headers.Add("X-CheckSum", checkSum); using (Stream requestStream = ttsRequest.GetRequestStream())
{
using (StreamWriter streamWriter = new StreamWriter(requestStream, Encoding.GetEncoding("gb2312")))
{
streamWriter.Write(Bodys);
}
} string responseText = string.Empty;
HttpWebResponse ttsResponse = ttsRequest.GetResponse() as HttpWebResponse;
using (Stream responseStream = ttsResponse.GetResponseStream())
{
using (StreamReader streamReader = new StreamReader(responseStream, Encoding.GetEncoding("UTF-8")))
{
string headerType = ttsResponse.Headers["Content-Type"];
if (headerType.Equals(AUDIO_MPEG_TYPE))
{
responseText = GetSuccessResponseText(ttsResponse);
}
else
{
responseText = streamReader.ReadToEnd();
}
}
} return responseText;
} #region 私有辅助方法
/// <summary>
/// 获取请求成功的响应文本
/// </summary>
/// <param name="ttsResponse">HttpWebResponse</param>
/// <returns>响应Headers文本</returns>
private string GetSuccessResponseText(HttpWebResponse ttsResponse)
{
string responseText = string.Empty;
using (Stream stream = ttsResponse.GetResponseStream())
{
MemoryStream memoryStream = StreamToMemoryStream(stream);
if (!Directory.Exists(SavePath))
{
Directory.CreateDirectory(SavePath);
} string fileType = string.Empty;
switch (AUE.ToLower())
{
case "raw":
fileType = "wav";
break;
case "lame":
fileType = "lame";
break;
} File.WriteAllBytes($"{SavePath}{FileName}.{fileType}", streamTobyte(memoryStream));
responseText = ttsResponse.Headers.ToString();
} return responseText;
} /// <summary>
/// 对要合成语音的文字先用utf-8然后进行URL加密
/// </summary>
private void SetTextDataBodys()
{
byte[] textData = Encoding.UTF8.GetBytes(TextToSpeech);
TextToSpeech = HttpUtility.UrlEncode(textData);
Bodys = string.Format("text={0}", TextToSpeech);
} /// <summary>
/// 生成令牌 ：X-CheckSum
/// 计算方法：MD5(apiKey + curTime + param)，三个值拼接的字符串，进行MD5哈希计算（32位小写），其中apiKey由讯飞提供，调用方管理。
/// </summary>
/// <param name="token">apiKey + curTime + param</param>
/// <returns>X-CheckSum</returns>
private string Md5(string token)
{
MD5 md5 = new MD5CryptoServiceProvider();
byte[] bytes = Encoding.UTF8.GetBytes(token);
bytes = md5.ComputeHash(bytes);
md5.Clear(); StringBuilder sb = new StringBuilder();
for (int i = ; i < bytes.Length; i++)
{
sb.Append(Convert.ToString(bytes[i], ).PadLeft(, ''));
} return sb.ToString().PadLeft(, '');
} /// <summary>
/// 将流转换为缓存流
/// </summary>
/// <param name="instream">输入流</param>
/// <returns>输出流</returns>
private MemoryStream StreamToMemoryStream(Stream instream)
{
MemoryStream outstream = new MemoryStream();
const int bufferLen = ;
byte[] buffer = new byte[bufferLen];
int count = ;
while ((count = instream.Read(buffer, , bufferLen)) > )
{
outstream.Write(buffer, , count);
} return outstream;
} /// <summary>
/// 把缓存流转换成字节组
/// </summary>
/// <param name="memoryStream">缓存刘</param>
/// <returns>字节数组</returns>
private byte[] streamTobyte(MemoryStream memoryStream)
{
byte[] buffer = new byte[memoryStream.Length];
memoryStream.Seek(, SeekOrigin.Begin);
memoryStream.Read(buffer, , buffer.Length); return buffer;
}
#endregion
}
*.由于.NET Core下Encoding默认不支持GB2312，因此需要事先引入一个包：System.Text.Encoding.CodePages，然后在程序启动时注册一下，这里已经封装静态构造函数里面了。
NuGet>Install-Package System.Text.Encoding.CodePages
客户端调用：
public class Program
{
public static void Main(string[] args)
{
XunFeiCloudTtsService ttsService = new XunFeiCloudTtsService();
ttsService.AppID = "5c3806f12121";
ttsService.ApiKey = "a99fff9fc537d883a181231231a37bf56dc8f28";
ttsService.TextToSpeech = "大家好我是第一个语音合成！";
ttsService.SavePath = "./TTS-Result/";
ttsService.FileName = "Hello-TTS";
ttsService.Speed = ""; var result = ttsService.GetTtsResult();
Console.WriteLine(result); Console.ReadKey();
}
}
*.这里AppID和ApiKey请使用你自己的，我博文这里是乱写的。
调用结果：
（1）响应结果
*.如果提示illegal client ip，请到控制台中加入白名单列表：
（2）语音文件
So，播放一下？
三、小结
有了语音合成，我们可以在我们的业务系统或者App中有了更多的玩法，虽然我们不了解语音合成的具体实现原理。此文只是一个简单的使用示例，无更多的内容，希望对你有帮助，本文的示例代码可以点击这里。
参考资料
（1）科大讯飞开放云平台，《在线语音合成服务》
（2）科大讯飞TTS服务，API说明文档
（3）网易智能，《让机器说话更自然，语音合成还能干什么》
作者：周旭龙
出处：http://edisonchou.cnblogs.com
本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文链接。
