在线体验微软声音合成技术

一些视频平台上电影解说有些声音不是真人声音，而是合成出来的。视频的AI配音软件微软Azure的云希音效，具体的开发文档在[这里](learn.microsoft.com/zh-cn/azure…?tabs=stt-tts)，这个是语音服务的语言和声音支持。我们具体来说看中文的，当然有的平台也做英文的。

中文语言支持如下：

区域设置 (BCP-47)	语言	语音转文本	自定义语音识别支持	文本转语音声音	神经网络定制声音

zh-CN	中文（普通话，简体）	zh-CN	音频 + 人工标记的脚本 纯文本 结构化文本 短语列表	zh-CN-XiaochenNeural（女） zh-CN-XiaohanNeural（女） zh-CN-XiaomengNeural（女） zh-CN-XiaomoNeural（女） zh-CN-XiaoqiuNeural（女） zh-CN-XiaoruiNeural（女） zh-CN-XiaoshuangNeural（女） zh-CN-XiaoxiaoNeural（女） zh-CN-XiaoxuanNeural（女） zh-CN-XiaoyanNeural（女） zh-CN-XiaoyiNeural（女） zh-CN-XiaoyouNeural（女） zh-CN-XiaozhenNeural（女） zh-CN-YunfengNeural（男） zh-CN-YunhaoNeural（男） zh-CN-YunjianNeural（男） zh-CN-YunxiaNeural（男） zh-CN-YunxiNeural（男） zh-CN-YunyangNeural（男） zh-CN-YunyeNeural（男） zh-CN-YunzeNeural（男）

zh-HK	中文（粤语，繁体）	zh-HK	纯文本	zh-HK-HiuGaaiNeural4、5、6（女） zh-HK-HiuMaanNeural4、5、6（女） zh-HK-WanLungNeural4、5、6（男）	神经网络定制声音专业版
zh-TW	中文(*普通话)	zh-TW	纯文本	zh-TW-HsiaoChenNeural4、5、6（女） zh-TW-HsiaoYuNeural4、5、6（女） zh-TW-YunJheNeural4、5、6（男）	神经网络定制声音专业版

就是中文普通话的一些女声男声，还有粤语和*普通话。

---

这个是要登录Microsoft的账号进去申请的，申请完部署成功后就会得到一个id，具体文档链接在这

他这一套东西挺全面的，有语音转文本，文本转语音，语音翻译，意向识别，说话人辨别，关键字识别等。

现在我们来搞一下发抖音电影视频解说，文字字幕转成语音形式。文档在这里

那这里我直接选JavaScript来举例：

部署

步骤就是：

1、先去免费去创建订阅。这里是可以申请一年也就是12个月免费的。去右上角点一下sign up去注册一下。

2、注册完成之后就来到微软的后台了，所以我们要做的就是创建语音资源。

3、做完第二步之后，就可以得到一个资源秘钥。这个就是代码的关键秘钥，不要直接写在代码中，不安全。妥善保管好这个密码。如果你是macOs系统的话可以存储到环境变量中，

##### Bash

编辑 .bash_profile，然后添加环境变量：

Bash复制

export SPEECH_KEY=your-key

添加环境变量后，请从控制台窗口运行 `source ~/.bash_profile`，使更改生效。

zsh同理。

代码部分

1、现在一个空文件夹中npm init

2、接着npm install microsoft-cognitiveservices-speech-sdk这个仓库

3、然后创建一个index.js文件

代码：

(function() {

    "use strict";

    var sdk = require("microsoft-cognitiveservices-speech-sdk");
    var readline = require("readline");

    var audioFile = "YourAudioFile.wav";
    const speechConfig = sdk.SpeechConfig.fromSubscription(process.env.SPEECH_KEY, process.env.SPEECH_REGION);
    const audioConfig = sdk.AudioConfig.fromAudioFileOutput(audioFile);

    // The language of the voice that speaks.
    speechConfig.speechSynthesisVoiceName = "en-US-JennyNeural"; 

    // Create the speech synthesizer.
    var synthesizer = new sdk.SpeechSynthesizer(speechConfig, audioConfig);

    var rl = readline.createInterface({
      input: process.stdin,
      output: process.stdout
    });

    rl.question("Enter some text that you want to speak >\n> ", function (text) {
      rl.close();
      // Start the synthesizer and wait for a result.
      synthesizer.speakTextAsync(text,
          function (result) {
        if (result.reason === sdk.ResultReason.SynthesizingAudioCompleted) {
          console.log("synthesis finished.");
        } else {
          console.error("Speech synthesis canceled, " + result.errorDetails +
              "\nDid you set the speech resource key and region values?");
        }
        synthesizer.close();
        synthesizer = null;
      },
          function (err) {
        console.trace("err - " + err);
        synthesizer.close();
        synthesizer = null;
      });
      console.log("Now synthesizing to: " + audioFile);
    });
}());

4、在控制台中node index.js

就可以得到一个wav文件的音频，当然也可以起名为.mp3，看你需要什么。

其次设置为 SPEECH_REGION 资源的区域。 例如 westus。（美国西部）

5、接着就完成从文字转语音这个操作了。

---

题外话

那如果嫌麻烦，有现成的软件exe。不过作者限制了字数480字左右。

链接 密码: ujhg

可以看看反编译一下这个exe代码，看一下判断长度的代码去掉看看可不可以。