文本转语音-Microsoft

什么是Microsoft的文本转语音?

微软Azure的文本转语音服务提供了一种逼真、可定制的语音生成解决方案，支持细粒度控制和灵活部署。用户可以根据自己的需求定制语音输出。此外，Azure还提供了丰富的资源和工具来帮助用户快速开始使用和构建语音服务。

什么是Microsoft的文本转语音接口？

Microsoft的文本转语音有哪些核心功能？

逼真的合成语音 实现流畅、自然的文本转语音，与人声的语调和情感相匹配。	可定制的文本说话者声音 创建一个独特的人工智能语音生成器来反映您的品牌形象。
细粒度的文本对话音频控制 通过轻松调整速率、音高、发音、停顿等，根据您的场景调整语音输出。	灵活部署 在云端、本地或容器边缘的任何地方运行文本转语音。
定制您的语音输出 微调合成语音以适合您的场景。 使用语音合成标记语言 (SSML) 或 音频内容创建工具定义词典 并控制语音参数，例如发音、音高、速率、停顿和语调 。	从云端到边缘的任何地方部署文本转语音 无论您的数据位于何处，都可以运行文本转语音。使用容器将逼真的语音合成构建到针对强大的云功能和边缘位置进行优化的应用程序中 。

Microsoft的文本转语音的核心优势是什么？

在哪些场景会用到Microsoft的文本转语音？

客户服务 在呼叫中心或自动客服系统中，提供自然流畅的语音交互，提升客户体验。
	语言学习 提供语言学习应用中的发音指导和听力练习材料。
会议录听 可以帮助提升会议录听的效率和质量，无论是在企业内部会议、远程教育、在线研讨会还是其他需要语音输出的场合。
	多设备对话 Azure 文字转语音服务可以帮助开发者构建跨设备、无缝且一致的对话体验。
语音助手 Azure 文字转语音服务提供了强大的功能和灵活性，非常适合用于构建和增强语音助手的语音交互能力

 

免费版

即用即付：仅按使用量付费

其他价格信息请查看：https://azure.microsoft.com/en-us/pricing/details/cognitive-services/speech-services/

语音 SDK 以 NuGet 包的形式提供，实现了 .NET Standard 2.0。 稍后在本指南中安装语音 SDK。 有关任何要求，请参阅安装语音 SDK。

必须对应用程序进行身份验证才能访问 Azure AI 服务资源。 对于生产，请使用安全的方式存储和访问凭据。 例如，获取语音资源的密钥后，请将其写入运行应用程序的本地计算机上的新环境变量。

若要为语音资源密钥设置环境变量，请打开控制台窗口，并按照操作系统和开发环境的说明进行操作。

• 要设置 SPEECH_KEY 环境变量，请将“your-key”替换为你的资源的某一个密钥。
• 要设置 SPEECH_REGION 环境变量，请将 “your-region”替换为你的资源的某一个地区。

Windows:

setx SPEECH_KEY your-key
setx SPEECH_REGION your-region

添加环境变量后，你可能需要重启任何需要读取环境变量的程序（包括控制台窗口）。 例如，如果使用 Visual Studio 作为编辑器，请在运行示例之前重启 Visual Studio。

按照以下步骤创建控制台应用程序并安装语音 SDK。

1. 在需要新项目的文件夹中打开命令提示符窗口。 运行以下命令，使用 .NET CLI 创建控制台应用程序。

   dotnet new console

   该命令会在项目目录中创建 Program.cs 文件。

2. 使用 .NET CLI 在新项目中安装语音 SDK。

   dotnet add package Microsoft.CognitiveServices.Speech

3. 将 Program.cs 的内容替换为以下代码。

   using System;
   using System.IO;
   using System.Threading.Tasks;
   using Microsoft.CognitiveServices.Speech;
   using Microsoft.CognitiveServices.Speech.Audio;
   
   class Program 
   {
       // This example requires environment variables named "SPEECH_KEY" and "SPEECH_REGION"
       static string speechKey = Environment.GetEnvironmentVariable("SPEECH_KEY");
       static string speechRegion = Environment.GetEnvironmentVariable("SPEECH_REGION");
   
       static void OutputSpeechSynthesisResult(SpeechSynthesisResult speechSynthesisResult, string text)
       {
           switch (speechSynthesisResult.Reason)
           {
               case ResultReason.SynthesizingAudioCompleted:
                   Console.WriteLine($"Speech synthesized for text: [{text}]");
                   break;
               case ResultReason.Canceled:
                   var cancellation = SpeechSynthesisCancellationDetails.FromResult(speechSynthesisResult);
                   Console.WriteLine($"CANCELED: Reason={cancellation.Reason}");
   
                   if (cancellation.Reason == CancellationReason.Error)
                   {
                       Console.WriteLine($"CANCELED: ErrorCode={cancellation.ErrorCode}");
                       Console.WriteLine($"CANCELED: ErrorDetails=[{cancellation.ErrorDetails}]");
                       Console.WriteLine($"CANCELED: Did you set the speech resource key and region values?");
                   }
                   break;
               default:
                   break;
           }
       }
   
       async static Task Main(string[] args)
       {
           var speechConfig = SpeechConfig.FromSubscription(speechKey, speechRegion);      
   
           // The neural multilingual voice can speak different languages based on the input text.
           speechConfig.SpeechSynthesisVoiceName = "en-US-AvaMultilingualNeural"; 
   
           using (var speechSynthesizer = new SpeechSynthesizer(speechConfig))
           {
               // Get text from the console and synthesize to the default speaker.
               Console.WriteLine("Enter some text that you want to speak >");
               string text = Console.ReadLine();
   
               var speechSynthesisResult = await speechSynthesizer.SpeakTextAsync(text);
               OutputSpeechSynthesisResult(speechSynthesisResult, text);
           }
   
           Console.WriteLine("Press any key to exit...");
           Console.ReadKey();
       }
   }

4. 若要更改语音合成语言，请将 en-US-AvaMultilingualNeural 替换为另一种受支持的语音。

   所有神经网络声音都是多语言的，并且能够流利地使用自己的语言和英语。 例如，如果英语的输入文本为“I'm excited to try text to speech”并且你设置了 es-ES-ElviraNeural，则该文本将用带西班牙口音的英语讲出。 如果语音使用的不是输入文本的语言，则语音服务不会输出合成的音频。

5. 运行新的控制台应用程序，开始将语音合成到默认扬声器。

   dotnet run

6. 输入要朗读的一些文本。 例如，键入“我对尝试文本转语音非常兴奋”。 选择 Enter 键可听到合成的语音。

   Enter some text that you want to speak >
   I'm excited to try text to speech

详细指南请查看：https://learn.microsoft.com/zh-cn/azure/ai-services/speech-service/get-started-text-to-speech?tabs=windows%2Cterminal&pivots=programming-language-csharp