C#百度语音合成实现英式发音的技术方案与避坑指南

1次阅读

共计 2891 个字符，预计需要花费 8 分钟才能阅读完成。

百度语音合成（TTS）API 提供了高质量的语音合成服务，支持多种语言和发音风格。英式发音在英语教育、有声读物、国际业务等场景中有广泛需求。例如，为英国用户提供本地化的语音服务，或在英语教学中使用标准英式发音作为示范。

百度语音合成 API 通过 per 参数选择发音人，不同的发音人支持不同的语言和发音风格。英式发音通常使用以下发音人：

3：英式英语女声
4：英式英语男声

以下是一个完整的.NET Core 示例，包含鉴权、请求构造和响应处理：

using System;
using System.Net.Http;
using System.Text;
using System.Threading.Tasks;
using Newtonsoft.Json;

public class BaiduTtsService
{
    private readonly string _apiKey;
    private readonly string _secretKey;
    private const string TokenUrl = "https://openapi.baidu.com/oauth/2.0/token";
    private const string TtsUrl = "https://tsn.baidu.com/text2audio";
    private string _accessToken;
    private DateTime _tokenExpiry;

    public BaiduTtsService(string apiKey, string secretKey)
    {
        _apiKey = apiKey;
        _secretKey = secretKey;
    }

    public async Task<string> GetAccessTokenAsync()
    {if (!string.IsNullOrEmpty(_accessToken) && DateTime.Now < _tokenExpiry)
        {return _accessToken;}

        using var client = new HttpClient();
        var response = await client.GetStringAsync($"{TokenUrl}?grant_type=client_credentials&client_id={_apiKey}&client_secret={_secretKey}");
        var tokenData = JsonConvert.DeserializeObject<dynamic>(response);
        _accessToken = tokenData.access_token;
        _tokenExpiry = DateTime.Now.AddSeconds((int)tokenData.expires_in - 60); // 提前 1 分钟刷新

        return _accessToken;
    }

    public async Task<byte[]> SynthesizeSpeechAsync(string text, int speaker = 3)
    {var token = await GetAccessTokenAsync();
        using var client = new HttpClient();
        var content = new FormUrlEncodedContent(new[]
        {new KeyValuePair<string, string>("tex", text),
            new KeyValuePair<string, string>("tok", token),
            new KeyValuePair<string, string>("per", speaker.ToString()), // 3 为英式女声
            new KeyValuePair<string, string>("cuid", "YOUR_DEVICE_ID"),
            new KeyValuePair<string, string>("ctp", "1"), // 1 为 WEB 端
            new KeyValuePair<string, string>("lan", "en"), // 英文
            new KeyValuePair<string, string>("spd", "5"), // 语速
            new KeyValuePair<string, string>("pit", "5"), // 音调
            new KeyValuePair<string, string>("vol", "5"), // 音量
        });

        var response = await client.PostAsync(TtsUrl, content);
        if (!response.IsSuccessStatusCode)
        {var error = await response.Content.ReadAsStringAsync();
            throw new Exception($"TTS request failed: {error}");
        }

        return await response.Content.ReadAsByteArrayAsync();}
}

3. 重点讲解 `per` 参数

per参数是控制发音风格的关键。设置为 3 或4即可获得英式发音：

3：英式英语女声（推荐用于大多数场景）
4：英式英语男声

语音合成的主要延迟来自网络请求和音频生成。以下方法可以显著降低延迟：

复用 HttpClient 实例
预获取access_token（如示例中的实现）
使用异步方法避免阻塞

对于频繁使用的文本，可以缓存合成的音频：

private readonly ConcurrentDictionary<string, byte[]> _audioCache = new();

public async Task<byte[]> GetCachedSpeechAsync(string text, int speaker = 3)
{var cacheKey = $"{text}-{speaker}";
    if (_audioCache.TryGetValue(cacheKey, out var cachedAudio))
    {return cachedAudio;}

    var audio = await SynthesizeSpeechAsync(text, speaker);
    _audioCache.TryAdd(cacheKey, audio);
    return audio;
}