java实现微软文本转语音（TTS）经验总结 |
您所在的位置：网站首页 › win10文本转换语音 › java实现微软文本转语音（TTS）经验总结 |
|
一、使用背景
公司项目之前一直是采用人工录音，然而上线一段时间之后发现，人工录音成本太高，而且每周上线的音频不多，老板发现问题后，甚至把音频功能裸停了一段时间。直到最近项目要向海外扩展，需要内容做国际化，就想到了用机器翻译。目前机翻已经相对成熟，做的好的国内有科大讯飞，国外有微软。既然项目主要面对海外用户，就决定采用微软的TTS。（PS：这里不是打广告，微软的TTS是真的不错，自己可以去官网试听下，虽然无法像人一样很有感情的朗读诗歌什么的，但是朗读新闻咨询类文章还是抑扬顿挫的。） 二、上代码使用背景已经啰嗦了一大堆，我觉得读者还是会关注的，但是我想作为资深CV码农，我想你们更关注还是如何应用，所以还是老规矩，简简单单的上代码。（申请账号这些就不介绍了） 1.依赖 com.microsoft.cognitiveservices.speech client-sdk 1.12.1 2.配置常量 public class TtsConst { /** * 音频合成类型（亲测这种效果最佳，其他的你自己去试试） */ public static final String AUDIO_24KHZ_48KBITRATE_MONO_MP3 = "audio-24khz-48kbitrate-mono-mp3"; /** * 授权url */ public static final String ACCESS_TOKEN_URI = "https://eastasia.api.cognitive.microsoft.com/sts/v1.0/issuetoken"; /** * api key */ public static final String API_KEY = "你自己的 api key"; /** * 设置accessToken的过期时间为9分钟 */ public static final Integer ACCESS_TOKEN_EXPIRE_TIME = 9 * 60; /** * 性别 */ public static final String MALE = "Male"; /** * tts服务url */ public static final String TTS_SERVICE_URI = "https://eastasia.tts.speech.microsoft.com/cognitiveservices/v1"; } 3.https连接 public class HttpsConnection { public static HttpsURLConnection getHttpsConnection(String connectingUrl) throws Exception { URL url = new URL(connectingUrl); return (HttpsURLConnection) url.openConnection(); } } 3.授权 @Component @Slf4j public class Authentication { @Resource private RedisCache redisCache; public String genAccessToken() { InputStream inSt; HttpsURLConnection webRequest; try { String accessToken = redisCache.get(RedisKey.KEY_TTS_ACCESS_TOKEN); if (StringUtils.isEmpty(accessToken)) { webRequest = HttpsConnection.getHttpsConnection(TtsConst.ACCESS_TOKEN_URI); webRequest.setDoInput(true); webRequest.setDoOutput(true); webRequest.setConnectTimeout(5000); webRequest.setReadTimeout(5000); webRequest.setRequestMethod("POST"); byte[] bytes = new byte[0]; webRequest.setRequestProperty("content-length", String.valueOf(bytes.length)); webRequest.setRequestProperty("Ocp-Apim-Subscription-Key", TtsConst.API_KEY); webRequest.connect(); DataOutputStream dop = new DataOutputStream(webRequest.getOutputStream()); dop.write(bytes); dop.flush(); dop.close(); inSt = webRequest.getInputStream(); InputStreamReader in = new InputStreamReader(inSt); BufferedReader bufferedReader = new BufferedReader(in); StringBuilder strBuffer = new StringBuilder(); String line = null; while ((line = bufferedReader.readLine()) != null) { strBuffer.append(line); } bufferedReader.close(); in.close(); inSt.close(); webRequest.disconnect(); accessToken = strBuffer.toString(); //设置accessToken的过期时间为9分钟 redisCache.set(RedisKey.KEY_TTS_ACCESS_TOKEN, accessToken, TtsConst.ACCESS_TOKEN_EXPIRE_TIME); log.info("New tts access token {}", accessToken); } return accessToken; } catch (Exception e) { log.error("Generate tts access token failed {}", e.getMessage()); } return null; } } 4.字节数组处理 public class ByteArray { private byte[] data; private int length; public ByteArray(){ length = 0; data = new byte[length]; } public ByteArray(byte[] ba){ data = ba; length = ba.length; } /** 合并数组 */ public void cat(byte[] second, int offset, int length){ if(this.length + length > data.length) { int allocatedLength = Math.max(data.length, length); byte[] allocated = new byte[allocatedLength 0) { ba.cat(buf2, 0, rn2); } inSt.close(); webRequest.disconnect(); return ba.getArray(); } catch (Exception e) { log.error("Synthesis tts speech failed {}", e.getMessage()); } return null; } }由于项目中需要将音频上传到OSS，所以这里生成的是字节码文件，你也可以选择下载或保存音频文件。 三、问题及总结 1.问题由于项目中需要生成超过10分钟的音频，我在调试中发现tts不能生成超过10分钟的音频，尴尬了呀，在微软官网中摸索了半天也没找到生成超过10分钟音频的办法，放弃了吗？不可能的。在我感觉到无计可施的时候，我的脑海中蹦出了四个字，那就是”断点续传“。我就想能不能通过tts把内容分段生成字节码两个，然后拼接后再上传到OSS。说干就干，没想到最后真的可行。成功那一瞬间的感觉无法言喻呀。不废话了，嗯，上大妈，哦不是，上代码。太激动了。 /** * 生成中文音频信息 */ public byte[] getZHAudioBuffer(String gender, String chapterContent, String locale, String voiceName) { byte[] audioBuffer; if (chapterContent.length() |
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |