• java调用科大讯飞离线语音合成SDK --内附完整项目


    科大讯飞语音开放平台基础环境搭建
    1.用户注册

    注册科大讯飞开放平台账号

    2.注册好后先创建一个自己的应用

     

    创建完成后进入应用选择离线语音合成(普通版)可以看到我们开发需要的SDK,选择windows MSC点击下载。

    3.选择你刚刚创建的应用,选择windows系统,选择离线语言合成(普通版)点击SDK下载。

    导入pom依赖

    1. ws.schild
    2. jave-all-deps
    3. 3.3.1
    4. net.java.dev.jna
    5. jna
    6. 5.5.0

    语言合成实现代码
    我们主要使用到是XunFeiSpeech这个类。

      

    1.替换几个参数,换成你下载的SDK的存储路径。

     

     

     换成你的appid

    生成音频需要设置音频的header

    1. /**
    2. * 合成音频的header
    3. */
    4. public class WaveHeader {
    5. /**
    6. * @param totalAudioLen 音频数据总大小
    7. * @param sampleRate 采样率
    8. * @param byteRate 位元(组)率(每秒的数据量 单位 字节/秒) 采样率(44100之类的) * 通道数(1,或者2)*每次采样得到的样本位数(16或者8) / 8;
    9. * @param nChannels 声道数量
    10. * @param weikuan 位宽
    11. */
    12. public static byte[] getWavHeader(int totalAudioLen, int sampleRate, int byteRate, int nChannels, int weikuan) {
    13. long totalDataLen = totalAudioLen + 36;
    14. byte[] header = new byte[44];
    15. header[0] = 'R'; // RIFF/WAVE header
    16. header[1] = 'I';
    17. header[2] = 'F';
    18. header[3] = 'F';
    19. header[4] = (byte) (totalDataLen & 0xff);
    20. header[5] = (byte) ((totalDataLen >> 8) & 0xff);
    21. header[6] = (byte) ((totalDataLen >> 16) & 0xff);
    22. header[7] = (byte) ((totalDataLen >> 24) & 0xff);
    23. header[8] = 'W';
    24. header[9] = 'A';
    25. header[10] = 'V';
    26. header[11] = 'E';
    27. header[12] = 'f'; // 'fmt ' chunk
    28. header[13] = 'm';
    29. header[14] = 't';
    30. header[15] = ' ';
    31. header[16] = 16; // 4 bytes: size of 'fmt ' chunk
    32. header[17] = 0;
    33. header[18] = 0;
    34. header[19] = 0;
    35. header[20] = 1; // format = 1
    36. header[21] = 0;
    37. header[22] = (byte) (nChannels & 0xff);
    38. header[23] = (byte) ((nChannels >> 8) & 0xff);
    39. header[24] = (byte) (sampleRate & 0xff);//采样率
    40. header[25] = (byte) ((sampleRate >> 8) & 0xff);
    41. header[26] = (byte) ((sampleRate >> 16) & 0xff);
    42. header[27] = (byte) ((sampleRate >> 24) & 0xff);
    43. header[28] = (byte) (byteRate & 0xff);//取八位
    44. header[29] = (byte) ((byteRate >> 8) & 0xff);
    45. header[30] = (byte) ((byteRate >> 16) & 0xff);
    46. header[31] = (byte) ((byteRate >> 24) & 0xff);
    47. int b = weikuan * nChannels / 8;//每次采样的大小
    48. header[32] = (byte) (b & 0xff); // block align
    49. header[33] = (byte) ((b >> 8) & 0xff);
    50. header[34] = (byte) (weikuan & 0xff);//位宽
    51. header[35] = (byte) ((weikuan >> 8) & 0xff);
    52. header[36] = 'd';//data
    53. header[37] = 'a';
    54. header[38] = 't';
    55. header[39] = 'a';
    56. header[40] = (byte) (totalAudioLen & 0xff);
    57. header[41] = (byte) ((totalAudioLen >> 8) & 0xff);
    58. header[42] = (byte) ((totalAudioLen >> 16) & 0xff);
    59. header[43] = (byte) ((totalAudioLen >> 24) & 0xff);
    60. return header;
    61. }
    62. }

    附上格式转换工具类
    因为合成的音频是wav的格式,如果需要mp3格式,需要在进行格式的转换。

    转换工具类:

    1. import ws.schild.jave.*;
    2. import ws.schild.jave.encode.AudioAttributes;
    3. import ws.schild.jave.encode.EncodingAttributes;
    4. import java.io.File;
    5. /**
    6. * 音频工具类
    7. */
    8. public class AudioConversionUtils {
    9. /**
    10. * wav转mp3
    11. */
    12. public static Boolean audioToMp3(String oldPath, String newFilePath) {
    13. AudioAttributes audio = new AudioAttributes();
    14. /*
    15. * 它设置将用于音频流转码的编解码器的名称。您必须从当前Encoder实例的getAudioEncoders()方法返回的列表中选择一个值。否则,
    16. * 您可以传递AudioAttributes.DIRECT_STREAM_COPY特殊值,该值需要源文件中原始音频流的副本。
    17. */
    18. audio.setCodec("libmp3lame");
    19. /*
    20. * 它设置新重新编码的音频流的比特率值。如果未设置比特率值,编码器将选择默认值。该值应以每秒位数表示。例如,如果你想要128 kb /
    21. * s比特率,你应该调用setBitRate(new Integer(128000))。
    22. */
    23. audio.setBitRate(128000);
    24. /* 它设置将在重新编码的音频流中使用的音频通道的数量(1 =单声道,2 =立体声)。如果未设置通道值,编码器将选择默认值。 */
    25. audio.setChannels(1);
    26. /*
    27. * 它设置新重新编码的音频流的采样率。如果未设置采样率值,编码器将选择默认值。该值应以赫兹表示。例如,如果您想要类似CD的44100
    28. * Hz采样率,则应调用setSamplingRate(new Integer(44100))。
    29. */
    30. audio.setSamplingRate(44100);
    31. /* 可以调用此方法来改变音频流的音量。值256表示没有音量变化。因此,小于256的值是音量减小,而大于256的值将增加音频流的音量。 */
    32. audio.setVolume(256);
    33. // Encoding attributes/编码属性
    34. EncodingAttributes attrs = new EncodingAttributes();
    35. /*
    36. * 它设置将用于新编码文件的流容器的格式。给定参数表示格式名称。
    37. * 编码格式名称有效且仅在它出现在正在使用的Encoder实例的getSupportedEncodingFormats()方法返回的列表中时才受支持。
    38. */
    39. attrs.setOutputFormat("mp3");
    40. /* 它设置音频编码属性。如果从未调用过新的EncodingAttributes实例,或者给定参数为null,则编码文件中不会包含任何音频流 */
    41. attrs.setAudioAttributes(audio);
    42. /*
    43. * 它为转码操作设置偏移量。源文件将从其开始的偏移秒开始重新编码。例如,如果您想剪切源文件的前五秒,
    44. * 则应在传递给编码器的EncodingAttributes对象上调用setOffset(5)。
    45. */
    46. // attrs.setOffset(5F);
    47. /*
    48. * 它设置转码操作的持续时间。只有源的持续时间秒才会在目标文件中重新编码。例如,如果您想从源中提取和转码30秒的一部分,
    49. * 则应在传递给编码器的EncodingAttributes对象上调用setDuration(30)
    50. */
    51. // attrs.setDuration(30F);
    52. // Encode/编码
    53. Encoder encoder = new Encoder();
    54. try {
    55. encoder.encode(new MultimediaObject(new File(oldPath)), new File(newFilePath), attrs);
    56. return true;
    57. } catch (EncoderException e) {
    58. e.printStackTrace();
    59. }
    60. return false;
    61. }
    62. public static void main(String[] args) {
    63. Boolean result = audioToMp3("D:\\ceshiyinyue\\2024-05-31-11-40-16.wav", "D:\\ceshiyinyue\\2024-05-31-11-40-16.mp3");
    64. if (result){
    65. System.out.println("wav转mp3成功!");
    66. }
    67. }
    68. }

    测试类的代码如下:

    1. public static void main(String[] args) {
    2. String text = "标题:赤子之心,爱国之魂。在这片古老而又年轻的土地上,每一缕风都承载着历史的厚重,每一片叶都记录着时代的变迁。中国,这个拥有五千年灿烂文明的国家,正以前所未有的速度和活力,向着未来阔步前行。作为这个时代的见证者和参与者,我们每个人的心中都怀揣着对祖国的深厚感情——那是一份赤子之心,一颗爱国之魂。";
    3. String filename = XunFeiSpeech.wordSpeech(text, "D:/ceshiyinyue/");
    4. //调用科大讯飞离线SDK后生成的语言文件名称
    5. System.out.println("生成的文件名称:" + filename);
    6. }

    接口测试类代码如下:

    1. /**
    2. * 语言合成接口
    3. */
    4. @RestController
    5. @RequestMapping("/test")
    6. public class speechController {
    7. /**
    8. *
    9. * @param text 需要合成语言的文本
    10. * @param path 合成语言的存储路径
    11. * @return 返回合成的音频文件名称
    12. */
    13. @RequestMapping("/start")
    14. public String audioConversion(
    15. @RequestParam("text") String text,
    16. @RequestParam("path") String path
    17. ){
    18. String fileName = XunFeiSpeech.wordSpeech(text, path);
    19. return fileName;
    20. }
    21. }

        完整代码已经上传到CSDN,0积分下载,有需要的朋友自行下载。

       Java调用科大讯飞离线语音合成SDK --完整代码

        感谢大家的阅读,觉得有所帮助的朋友点点关注点点赞!

  • 相关阅读:
    Bitmaps
    [libglog][FFmpeg] 如何把 ffmpeg 的库日志输出到 libglog里
    opencv 保存图片imwrite
    Spring Cloud 之 Feign 简介及简单使用
    钟汉良日记:出门在外靠什么?
    网络安全学习--网络安全防护
    【Typescript重点】接口的使用
    自行更换内存条的操作规范
    Node.js 实现抢票小工具&短信通知提醒
    React框架概述
  • 原文地址:https://blog.csdn.net/xuezhe5212/article/details/139350432