C#语音合成实战：从零开始构建TTS应用

1次阅读

没有评论

共计 2386 个字符，预计需要花费 6 分钟才能阅读完成。

语音合成技术（Text-to-Speech, TTS）在现实中有广泛的应用，比如：

无障碍服务：为视障人士提供语音阅读功能
智能客服：自动回复用户咨询
教育领域：语言学习中的发音示范
车载系统：导航指令的语音播报
智能家居：语音提醒和交互

在 C# 中实现 TTS 主要有两种方式：

System.Speech（本地）
优点：无需网络连接，响应快，隐私性好
缺点：语音质量一般，可选声音少
适合场景：离线应用、基础语音需求
Azure Cognitive Services（云端）
优点：语音质量高，支持多种语言和声音
缺点：需要网络连接，有 API 调用限制
适合场景：高品质语音需求、多语言支持

首先需要安装 System.Speech 库。在 NuGet 包管理器中运行：

Install-Package System.Speech

using System.Speech.Synthesis;

// 创建语音合成器
SpeechSynthesizer synth = new SpeechSynthesizer();

// 设置语音属性
synth.SelectVoice("Microsoft Huihui Desktop"); // 选择中文语音
synth.Rate = 1; // 语速(-10 到 10)

// 同步合成语音
synth.Speak("欢迎使用语音合成功能");

// 异步合成语音
synth.SpeakAsync("这是异步语音合成");

// 设置输出为 WAV 文件
synth.SetOutputToWaveFile(@"C:\output.wav");

// 合成并保存
synth.Speak("这段语音将被保存为 WAV 文件");

// 重置输出到默认音频设备
synth.SetOutputToDefaultAudioDevice();

Install-Package Microsoft.CognitiveServices.Speech

using Microsoft.CognitiveServices.Speech;
using Microsoft.CognitiveServices.Speech.Audio;

// 配置认证信息
var config = SpeechConfig.FromSubscription("YourSubscriptionKey", "YourServiceRegion");

// 设置语音
config.SpeechSynthesisVoiceName = "zh-CN-YunxiNeural"; // 选择神经语音

// 创建合成器
using var synthesizer = new SpeechSynthesizer(config);

SSML（Speech Synthesis Markup Language）可以精确控制语音的各个方面：

string ssml = @"<speak version='1.0'xmlns='http://www.w3.org/2001/10/synthesis'xml:lang='zh-CN'>
    <voice name='zh-CN-YunxiNeural'>
        这句话是正常语速
        <prosody rate='fast'> 这句话会说得快一些 </prosody>
        <prosody pitch='high'> 这句话音调会高一些 </prosody>
    </voice>
</speak>";

var result = await synthesizer.SpeakSsmlAsync(ssml);

// 配置音频输出
var audioConfig = AudioConfig.FromWavFileOutput(@"C:\azure_output.wav");

// 创建带音频输出的合成器
using var fileSynthesizer = new SpeechSynthesizer(config, audioConfig);

// 合成并保存
await fileSynthesizer.SpeakTextAsync("这段语音将通过 Azure 服务合成并保存");

当需要处理多个并发语音请求时，应该：

为每个线程创建独立的 SpeechSynthesizer 实例
使用 async/await 避免阻塞
考虑使用 SemaphoreSlim 控制并发数

private static SemaphoreSlim semaphore = new SemaphoreSlim(5); // 限制 5 个并发

async Task SynthesizeAsync(string text)
{await semaphore.WaitAsync();
    try
    {using var synthesizer = new SpeechSynthesizer(config);
        await synthesizer.SpeakTextAsync(text);
    }
    finally
    {semaphore.Release();
    }
}