如何开发一个在线朗读的功能----科大讯飞语音合成实战
起因
天天学习强国，不过强国APP的语音朗读不错，了解之后是科大讯飞支持的，于是开始撸码。https://www.xfyun.cn/doc/tts/online_tts/API.html
注册为开发者，接口要求这些我就不赘述了，文档里面写的清楚。当然具体实现是另外一回事。
听了一下效果，怎么说呢，免费的和特色的还是有很大的差别的，免费的是刚好让你能忍的那个级别，特色的和真人差别不大。看了一下收费，分为两部分，一部分是接口费用，一部分是特色发音人的费用。基于撸码的习惯，一切先从免费开始。
详情请看这里：https://www.xfyun.cn/services/online_tts
开干
看了一圈没有C#的demo，这就尴尬了，虽然是有文档，但是大家都懂，好比微信公众号的开发文档，要变成实际的代码，看得见的应用那是要废一番功夫的。找了一番之后，终于发现一个开源的项目刚发布没多久，真是喜出望外就开干了： https://github.com/zuiyuewentian/XunFeiNETSDK
讯飞的这个接口是基于websock的，我们先用控制台程序做一个demo。C#其实自带了websocket，不过这里用的是WebSocketSharp，这个我觉得很好，System.Net.WebSockets.WebSocket 是基于异步方法的，后面我会讲到，而WebSocketSharp.WebSocket 是基于事件的，很符合前端的编程习惯。
websocket = new WebSocketSharp.WebSocket(reqUrl);
websocket.OnMessage += Websocket_OnMessage;
websocket.OnOpen += Websocket_OnOpen;
websocket.Connect();
讯飞的服务器收到我们的文字内容后，会以流的形势把音频传回来，在我们的服务器上把这种流转成文件即可。
private static Stopwatch stopwatch;
public static void Main(string[] args)
{
//text要合成的文字，pathUrl域名
stopwatch = new Stopwatch();
stopwatch.Start();
var xunFeiNetSdk = new XunFeiTTS();
xunFeiNetSdk.MessageUpdate_Event += XunFeiNetSdk_MessageUpdate_Event;
xunFeiNetSdk.SendData("张家界荷花国际机场,北京大兴机场，长沙黄花机场，邵阳武冈机场，所有航班全部复航！");
Console.Read();
}
static byte[] data = new byte[0];
private static void XunFeiNetSdk_MessageUpdate_Event(TTS_Data_Model message, string error = null)
{
if (error != null)
{
Console.WriteLine(error);
return;
}
try
{
//合成结束
if (message.status == 2)
{
Console.WriteLine("合成成功");
string voice = string.Format("{0}.wav", DateTime.Now.ToString("yyyyMMddHHmmssfff"));
Console.WriteLine("正在保存..."+voice);
data = data.Concat(message.audioStream).ToArray();
var mWavWriter = new WaveFileWriter(voice, new WaveFormat(16000, 1));
mWavWriter.Write(data, 0, data.Length);
mWavWriter.Close();
mWavWriter.Dispose();
Console.WriteLine("保存成功...");
var sp = stopwatch.Elapsed;
Console.WriteLine("用时" + sp);
}
else
{
data = data.Concat(message.audioStream).ToArray();
}
}
catch (Exception ex)
{
Console.WriteLine(ex.Message);
}
}
}
文件的存储用的是NAudio，XunFeiNETSDK里面的代码我独立出来。
（最近2个月航班太少了，工资骤减，原谅我说出我的内心话）
这样就得到了语音了。听一听，还能接受。但是怎么做到web页面里面呢？
改造成web应用
首先的思路是，前端把文字发过来，然后交给sdk去获取音频，得到文件的地址后返回给前端。所以最合适的方案还是前端也用websocket，因为发送消息和收到消息是分开的。那么这又需要后端有一个websocket服务了
我又不想单独去开一个websocket服务，那就可以将这个websocket做成api的形式，如下：
View Code var webSocket;
var player = document.getElementById("player");
function sendSocketMsg() {
var msg = $("#msg").val();
webSocket.send(msg);
showMsg("发送消息：" + msg, "blue");
}
openSocket();
function openSocket() {
if (webSocket != null && typeof (webSocket) != "undefined") {
closeSocket();
}
webSocket = new WebSocket("ws://" + location.hostname + ":" + location.port + "/api/msg");
webSocket.onopen = function () {
showMsg("连接建立");
}
webSocket.onerror = function () {
showMsg("发生异常");
}
webSocket.onmessage = function (event) {
showMsg("收到消息:" + event.data, "yellow");
if (event.data.indexOf("voice:") > -1) {
var src = event.data.split("voice:")[1];
player.src = src;
player.play();
}
}
webSocket.onclose = function () {
showMsg("连接关闭");
}
}
function closeSocket() {
if (webSocket != null && typeof (webSocket) != "undefined") {
webSocket.close();
}
}
function showMsg(msg, type) {
if (type === null || typeof (type) === "undefined") type = "gray";
$("#show").append("<span class='" + type + "'>" + msg + "</span><br>");
}
这样就得到产品的雏形了。后续要考虑的是文字的长短、音频播放器的展示效果，还能换一下播放的声音等等，每次给你说一个功能，其实这个功能背后有太多细节了。
Console版源码：https://download.csdn.net/download/stoneniqiu/12347028
Web版源码：https://download.csdn.net/download/stoneniqiu/12347167