你的位置:首页 > ASP.net教程

[ASP.net教程]C#将科大讯飞语音合成文件转换为MULAW音频格式


任务描述:通过科大讯飞语音合成组件在线完成文本转语音的合成,然后再转换为电话系统IVR要求的音频格式: wave mu-law 16位 8kHZ 64kbps。

完成步骤:

首先,我们要先通过科大讯飞语音合成组件实现文本合成,由于科大讯飞提供的接口都是C语言的,如果用C#调用需要做二次封装,为了快速完成任务,我们直接在科大讯飞论坛中找到一个现成组件进行修改,感谢wangkang提供的分享。

1、下载C#代码:http://bbs.xfyun.cn/forum.php?mod=viewthread&tid=10182&highlight=c%23

2、修改iFlyDotNet的界面(根据自己的业务要求修改界面输入方式);

3、修改iFlydll工程中的iFlyTTS.cs文件

找到iFlyMSC.QTTSSessionBegin(str, ref errorCode )方法,修改转换参数str如下:

 string str = "ssm=1," + this._speeker + ",spd=" + this._speed + ",aue=speex-wb;7,vol=" + this._vol + ",auf=audio/L16;rate=8000,ent=sms8k,rdn=3,rcn=0";

通过以上调用接口将输出采样速率8000,量化比特16位,8kHZ的PCM格式音频。

注,音频头部格式设置如下:

                       RIFF_ID = 0x46464952,                             File_Size = data_len -8,                             RIFF_Type = 0x45564157,                             FMT_ID = 0x20746d66,                             FMT_Size = 0x10,                             FMT_Tag = 1,                             FMT_Channel = 1,                            FMT_SamplesPerSec = 8000,                             AvgBytesPerSec = 16000,                             BlockAlign = 2,                             BitsPerSample = 16,                             DATA_ID = 0x61746164,                             DATA_Size = data_len- 44

 

接着我们要转换为wave mu-law 16位 8kHZ 64kbps的音频格式,这里借助了NAudio.dll的开源组件。

1)增加一个新类:

public class RawSourceWaveStream : WaveStream    {        private Stream sourceStream;        private WaveFormat waveFormat;         public RawSourceWaveStream(Stream sourceStream, WaveFormat waveFormat)        {            this.sourceStream = sourceStream;            this.waveFormat = waveFormat;        }         public override WaveFormat WaveFormat        {            get { return this.waveFormat; }        }         public override long Length        {            get { return this.sourceStream.Length; }        }         public override long Position        {            get            {                return this.sourceStream.Position;            }            set            {                this.sourceStream.Position = value;            }        }         public override int Read(byte[] buffer, int offset, int count)        {            return sourceStream.Read(buffer, offset, count);        }        public override void Write(byte[] buffer, int offset, int count)        {            sourceStream.Write(buffer, offset, count);        }    }
2)将PCM音频转换为u-law格式
WaveFormat waveFormat = WaveFormat.CreateMuLawFormat(8000, 1);RawSourceWaveStream rawStream = new RawSourceWaveStream(stream, new WaveFormat(8000, 16, 1));
WaveStream muStream = new WaveFormatConversionStream(WaveFormat.CreateMuLawFormat(8000, 1), rawStream);WaveFileWriter.CreateWaveFile(outWaveFlie, muStream);
3)转换完成后输出的文件已经是u-law格式的电话音频格式了,我们用goldwave播放器进行播放,结果发现所有转换的结果开始部分会出现短暂的噪音。
用UltraEdit工具分析音频文件的头部发现格式后面会出现一些其他数据造成噪音(注:u-law格式头部为58个字节)
对输出的文件进一步处理后噪音问题解决:
using (FileStream stream2 = new FileStream(outWaveFlie, FileMode.Open))                        {                            byte[] blank = new byte[22];                            for (int i = 0; i < 22; i++)                            {                                blank[i] = 0xFF;                            }                            stream2.Position = 58;                            stream2.Write(blank, 0, blank.Length);                        }

以下是正常u-law格式的电话音频: