如何将linear16文本到语音转换为音频文件

Question

我刚刚开始使用Google Text-To-Speech API。我生成了一个发帖请求：

https://texttospeech.googleapis.com/v1/text:synthesize?fields=audioContent&key={YOUR_API_KEY}

具有以下数据：

{
 "input": {
  "text": "Hola esto es una prueba"
},
 "voice": {
  "languageCode": "es-419"
 },
 "audioConfig": {
  "audioEncoding": "LINEAR16",
  "speakingRate": 1,
  "pitch": 0
 }
}

我收到200条答复，内容是：

{
    "audioContent" : "UklGRn6iCwBXQVZFZm10I...(super long string)"
}

我假设这是编码（或解码的，不确定名称），但是我想实际听到的是“ audioContent”。

Answer 1

正如Tanaike所指出的，响应确实是Base64。为了实际收听音频，我将base64编码的字符串粘贴到文件中，然后运行：

base64 -d audio.txt > audio.wav

就成功了。