我正在编写一个使用SpeechSynthesizer根据请求生成wave文件的东西,但我遇到了噼里啪啦的噪音问题。奇怪的是直接输出到声卡就好了。
这个简短的PowerShell脚本演示了这个问题,尽管我用C#编写了我的程序。
Add-Type -AssemblyName System.Speech
$speech = New-Object System.Speech.Synthesis.SpeechSynthesizer
$speech.Speak('Guybrush Threepwood, mighty pirate!')
$speech.SetOutputToWaveFile("${PSScriptRoot}\foo.wav")
$speech.Speak('Guybrush Threepwood, mighty pirate!')
这个应该做什么,输出到扬声器,然后保存与#34; foo.wav"相同的声音。在脚本旁边。
它的作用是输出到扬声器,然后将噼里啪啦的旧唱机播放器保存为波形文件。我已经在三台不同的机器上对它进行了测试,虽然默认情况下它们选择了不同的声音(所有微软都提供了默认声音),但它们听起来像垃圾在波形文件中下楼梯。
为什么?
编辑:我正在Windows 10专业版上进行测试,最新的更新增加了令人讨厌的问题" People"任务栏上的按钮。编辑3:It's even more noticeable with a female voice
编辑4:The same voice as above, saved to file with TextAloud 3 - no cracking, no vertical spikes.
答案 0 :(得分:0)
这是SpeechSynthesizer API的一个问题,它只是提供质量差,噼里啪啦的音频,如上面的示例所示。解决方案是执行TextAloud所做的事情,即直接使用SpeechLib COM对象。
这是通过向“Microsoft Speech Object Library(5.4)”添加COM引用来完成的。这是我最终得到的代码片段,它产生与TextAloud相同质量的音频片段:
public new static byte[] GetSound(Order o)
{
const SpeechVoiceSpeakFlags speechFlags = SpeechVoiceSpeakFlags.SVSFlagsAsync;
var synth = new SpVoice();
var wave = new SpMemoryStream();
var voices = synth.GetVoices();
try
{
// synth setup
synth.Volume = Math.Max(1, Math.Min(100, o.Volume ?? 100));
synth.Rate = Math.Max(-10, Math.Min(10, o.Rate ?? 0));
foreach (SpObjectToken voice in voices)
{
if (voice.GetAttribute("Name") == o.Voice.Name)
{
synth.Voice = voice;
}
}
wave.Format.Type = SpeechAudioFormatType.SAFT22kHz16BitMono;
synth.AudioOutputStream = wave;
synth.Speak(o.Text, speechFlags);
synth.WaitUntilDone(Timeout.Infinite);
var waveFormat = new WaveFormat(22050, 16, 1);
using (var ms = new MemoryStream((byte[])wave.GetData()))
using (var reader = new RawSourceWaveStream(ms, waveFormat))
using (var outStream = new MemoryStream())
using (var writer = new WaveFileWriter(outStream, waveFormat))
{
reader.CopyTo(writer);
return o.Mp3 ? ConvertToMp3(outStream) : outStream.GetBuffer();
}
}
finally
{
Marshal.ReleaseComObject(voices);
Marshal.ReleaseComObject(wave);
Marshal.ReleaseComObject(synth);
}
}
这是将wave文件转换为mp3的代码。它使用来自nuget的NAudio.Lame。
internal static byte[] ConvertToMp3(Stream wave)
{
wave.Position = 0;
using (var mp3 = new MemoryStream())
using (var reader = new WaveFileReader(wave))
using (var writer = new LameMP3FileWriter(mp3, reader.WaveFormat, 128))
{
reader.CopyTo(writer);
mp3.Position = 0;
return mp3.ToArray();
}
}