AI语音合成返回的Base64音频数据解析与播放实战指南

1次阅读

没有评论

共计 1986 个字符，预计需要花费 5 分钟才能阅读完成。

AI 语音合成服务通常会返回 Base64 编码的音频数据，这种格式在 Web 开发中非常常见。Base64 编码的主要优势在于：

文本化传输：二进制数据通过 Base64 编码后可以安全地在 JSON、XML 等文本协议中传输
简化处理：无需处理原始二进制数据的字节顺序等问题
跨平台兼容：几乎所有编程语言都支持 Base64 编解码

Base64 是一种用 64 个可打印字符表示二进制数据的方法。它的工作原理是：

将每 3 个字节 (24 位) 的数据分成 4 组 6 位数据
每组 6 位数据对应一个 Base64 字符表中的可打印字符
如果原始数据不是 3 的倍数，会用等号 (=) 进行填充

对于音频数据，常见的 Base64 编码格式是：data:audio/wav;base64,开头，后面跟着实际的 Base64 编码数据。

优点：
– 减少服务器负担
– 响应速度快
– 适合实时性要求高的场景

缺点：
– 大音频文件可能占用过多内存
– 需要处理跨浏览器兼容性问题

优点：
– 可以预处理音频
– 适合需要对音频进行额外处理的场景
– 客户端兼容性好

缺点：
– 增加服务器负载
– 响应延迟稍高

// 假设从 API 获取的 Base64 数据格式为：data:audio/wav;base64,...
function playBase64Audio(base64Data) {
  // 1. 创建 AudioContext
  const audioContext = new (window.AudioContext || window.webkitAudioContext)();

  // 2. 解码 Base64 数据
  const audioData = base64Data.split(',')[1]; // 去掉前缀
  const binaryString = atob(audioData);
  const bytes = new Uint8Array(binaryString.length);

  for (let i = 0; i < binaryString.length; i++) {bytes[i] = binaryString.charCodeAt(i);
  }

  // 3. 解码音频数据
  audioContext.decodeAudioData(bytes.buffer, (buffer) => {
    // 4. 创建音频源并播放
    const source = audioContext.createBufferSource();
    source.buffer = buffer;
    source.connect(audioContext.destination);
    source.start();}, (error) => {console.error('解码音频失败:', error);
  });
}

import base64
import io
from pydub import AudioSegment

# 假设从 API 获取的 Base64 数据
base64_data = "data:audio/wav;base64,..."  # 实际数据替换...

# 1. 去掉前缀
audio_data = base64_data.split(",")[1]

# 2. 解码 Base64
audio_bytes = base64.b64decode(audio_data)

# 3. 保存为文件
with open("output.wav", "wb") as audio_file:
    audio_file.write(audio_bytes)

# 4. 可选：使用 pydub 进行格式转换
# audio = AudioSegment.from_wav("output.wav")
# audio.export("output.mp3", format="mp3")