C# 离线语音合成实战：从零搭建高可用本地语音引擎

1次阅读

没有评论

共计 2373 个字符，预计需要花费 6 分钟才能阅读完成。

在线语音合成 API 虽然方便，但在实际应用中常常会遇到以下问题：

网络延迟问题：依赖网络连接会导致响应时间不稳定，特别是在网络条件较差的环境中，延迟可能高达数秒，严重影响用户体验。
计费成本高：大多数在线 API 按调用次数或字符数收费，长期使用成本较高，尤其是高频使用的场景（如语音助手、工业控制等）。
隐私风险：语音数据通常包含敏感信息，传输到第三方服务器可能存在隐私泄露的风险，尤其是在医疗、金融等行业。

在 C# 中实现离线语音合成，主要有以下几种方案：

System.Speech：微软提供的原生语音合成库，支持离线使用，兼容性好，但功能相对基础，适合简单场景。
NAudio：强大的音频处理库，可以结合 System.Speech 实现更灵活的音频流控制，适合需要自定义播放逻辑的场景。
Windows.Media.SpeechSynthesis：UWP 平台提供的语音合成 API，功能丰富但仅限于 UWP 应用，不适合传统桌面程序。

综合来看，System.Speech + NAudio的组合更适合大多数 C# 开发者，既能满足离线需求，又能灵活控制音频输出。

首先，确保系统已安装所需的语音包（如中文语音包）。可以通过以下代码检查并初始化语音合成引擎：

using System.Speech.Synthesis;

// 初始化语音合成器
SpeechSynthesizer synth = new SpeechSynthesizer();

// 检查是否支持中文语音
var voices = synth.GetInstalledVoices();
bool hasChineseVoice = voices.Any(v => v.VoiceInfo.Culture.Name.StartsWith("zh"));

if (!hasChineseVoice) {throw new Exception("未找到中文语音包，请先安装！");
}

// 设置语音合成参数
synth.SelectVoiceByHints(VoiceGender.Female, VoiceAge.Adult, 0, new System.Globalization.CultureInfo("zh-CN"));

语音合成引擎对文本编码有一定要求，建议统一转换为 UTF-8：

// 将文本转换为 UTF- 8 格式
string inputText = "你好，这是测试文本";
byte[] utf8Bytes = Encoding.UTF8.GetBytes(inputText);
string normalizedText = Encoding.UTF8.GetString(utf8Bytes);

可以通过 Rate 和Volume属性调整语速和音量：

// 设置语速（范围：-10 到 10，0 为默认值）synth.Rate = 2; 

// 设置音量（范围：0 到 100）synth.Volume = 80;

以下是一个完整的异步语音合成示例，包含异常处理和内存优化：

using System;
using System.IO;
using System.Speech.Synthesis;
using System.Threading.Tasks;

public class OfflineTTS
{
    private SpeechSynthesizer synth;

    public OfflineTTS()
    {synth = new SpeechSynthesizer();
        synth.SelectVoiceByHints(VoiceGender.Female, VoiceAge.Adult, 0, new System.Globalization.CultureInfo("zh-CN"));
    }

    public async Task<MemoryStream> SynthesizeAsync(string text)
    {
        try
        {using (var stream = new MemoryStream())
            {synth.SetOutputToWaveStream(stream);
                await Task.Run(() => synth.Speak(text));

                // 重置流位置以便读取
                stream.Position = 0;
                return stream;
            }
        }
        catch (Exception ex)
        {
            // 异常熔断：记录日志并尝试恢复
            Console.WriteLine($"语音合成失败：{ex.Message}");
            return null;
        }
    }
}

对不同长度的文本进行测试，记录内存占用情况：