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 classXunFeiCloudTtsService
{//Header Type : audio/mpegprivate 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 mp3public string AUE { get; set; } = "raw";//音频采样率，可选值：audio/L16;rate=8000，audio/L16;rate=16000public 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intp65public string EngineType { get; set; } = "intp65";//语速，可选值：[0-100]，默认为50public string Speed { get; set; } = "50";//音量，可选值：[0-100]，默认为50public string Volume { get; set; } = "50";//音高，可选值：[0-100]，默认为50public string Pitch { get; set; } = "50";//URL加密后的TextToSpeechpublic 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() }";staticXunFeiCloudTtsService()
{
Encoding.RegisterProvider(CodePagesEncodingProvider.Instance);
}publicXunFeiCloudTtsService()
{ }public XunFeiCloudTtsService(string appID, string apiKey, stringserviceUrl)
{
AppID =appID;
ApiKey =apiKey;
ServiceUrl =serviceUrl;
}public stringGetTtsResult()
{
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(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);//设置HttpHeadersvar 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() asHttpWebResponse;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();
}
}
}returnresponseText;
}#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 stringGetSuccessResponseText(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();
}returnresponseText;
}/// <summary>///对要合成语音的文字先用utf-8然后进行URL加密/// </summary>private voidSetTextDataBodys()
{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(stringtoken)
{
MD5 md5 = newMD5CryptoServiceProvider();byte[] bytes =Encoding.UTF8.GetBytes(token);
bytes =md5.ComputeHash(bytes);
md5.Clear();
StringBuilder sb = newStringBuilder();for (int i = 0; i < bytes.Length; i++)
{
sb.Append(Convert.ToString(bytes[i], 16).PadLeft(2, '0'));
}return sb.ToString().PadLeft(32, '0');
}/// <summary>///将流转换为缓存流/// </summary>/// <param name="instream">输入流</param>/// <returns>输出流</returns>privateMemoryStream StreamToMemoryStream(Stream instream)
{
MemoryStream outstream = newMemoryStream();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);
}returnoutstream;
}/// <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(0, SeekOrigin.Begin);
memoryStream.Read(buffer, 0, buffer.Length);returnbuffer;
}#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 classProgram
{public static void Main(string[] args)
{
XunFeiCloudTtsService ttsService = newXunFeiCloudTtsService();
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 = "60";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》