解决方案：

Question

我正在使用System.Speech.Synthesis.SpeechSynthesizer将文字转换为语音。由于微软的文档不足（参见我的链接，没有任何评论或代码示例），我无法解决两种方法之间差异的问题：

SetOutputToAudioStream和SetOutputToWaveStream。

以下是我推断的内容：

SetOutputToAudioStream接受一个流和一个SpeechAudioFormatInfo实例，该实例定义波形文件的格式（每秒采样数，每秒位数，音频通道等），并将文本写入流中。

SetOutputToWaveStream只接收一个流，并将16位单声道22kHz PCM波形文件写入流中。没有办法传入SpeechAudioFormatInfo。

我的问题是SetOutputToAudioStream没有将有效的wave文件写入流。例如，在将流传递给System.Media.SoundPlayer时，我得到一个InvalidOperationException（“wave header is corrupt”）。如果我将流写入磁盘并尝试使用WMP播放它我得到“Windows Media Player无法播放文件...”错误，但SetOutputToWaveStream写入的流在两者中都正常播放。我的理论是SetOutputToAudioStream没有写一个（有效的）标题。

奇怪的是，SetOutputTo * Blah *的命名约定不一致。 SetOutputToWaveFile采用SpeechAudioFormatInfo而SetOutputToWaveStream不采用。

我需要能够将一个8kHz，16位的单波文件写入流中，而SetOutputToAudioStream或SetOutputToWaveStream都不允许我这样做。有没有人深入了解SpeechSynthesizer和这两种方法？

作为参考，这里有一些代码：

Stream ret = new MemoryStream();
using (SpeechSynthesizer synth = new SpeechSynthesizer())
{
  synth.SelectVoice(voiceName);
  synth.SetOutputToWaveStream(ret);
  //synth.SetOutputToAudioStream(ret, new SpeechAudioFormatInfo(8000, AudioBitsPerSample.Sixteen, AudioChannel.Mono));
  synth.Speak(textToSpeak);
}

解决方案：

非常感谢@Hans Passant，这是我现在正在使用的要点：

Stream ret = new MemoryStream();
using (SpeechSynthesizer synth = new SpeechSynthesizer())
{
  var mi = synth.GetType().GetMethod("SetOutputStream", BindingFlags.Instance | BindingFlags.NonPublic);
  var fmt = new SpeechAudioFormatInfo(8000, AudioBitsPerSample.Sixteen, AudioChannel.Mono);
  mi.Invoke(synth, new object[] { ret, fmt, true, true });
  synth.SelectVoice(voiceName);
  synth.Speak(textToSpeak);
}
return ret;

对于我的粗略测试，它工作得很好，虽然使用反射有点icky它比将文件写入磁盘并打开流更好。

Answer 1

您的代码段已经被屏蔽，您在处理后正在使用 synth 。但这不是我确定的真正问题。 SetOutputToAudioStream生成原始PCM音频，即“数字”。没有像.wav文件中使用的容器文件格式（标题）。是的，这不能用常规媒体节目播放。

使用SpeechAudioFormatInfo的SetOutputToWaveStream缺少的重载很奇怪。它确实看起来像是对我的疏忽，尽管这在.NET框架中非常罕见。没有令人信服的理由说明它不应该工作，底层的SAPI接口确实支持它。它可以用反射来破解，以调用私有的SetOutputStream方法。我测试它时工作正常，但我无法保证：

using System.Reflection;
...
            using (Stream ret = new MemoryStream())
            using (SpeechSynthesizer synth = new SpeechSynthesizer()) {
                var mi = synth.GetType().GetMethod("SetOutputStream", BindingFlags.Instance | BindingFlags.NonPublic);
                var fmt = new SpeechAudioFormatInfo(8000, AudioBitsPerSample.Eight, AudioChannel.Mono);
                mi.Invoke(synth, new object[] { ret, fmt, true, true });
                synth.Speak("Greetings from stack overflow");
                // Testing code:
                using (var fs = new FileStream(@"c:\temp\test.wav", FileMode.Create, FileAccess.Write, FileShare.None)) {
                    ret.Position = 0;
                    byte[] buffer = new byte[4096];
                    for (;;) {
                        int len = ret.Read(buffer, 0, buffer.Length);
                        if (len == 0) break;
                        fs.Write(buffer, 0, len);
                    }
                }
            }

如果你对hack感到不舒服，那么使用Path.GetTempFileName（）暂时将其流式传输到文件肯定会有效。

使用SpeechSynthesizer使用SpeechAudioFormatInfo进行流式传输

解决方案：

1 个答案: