项目中需要用到后台服务端用文本生成语音，网上大部分都是通过ai大模型推理出来的，还有写其他方式的，效果和生成时间都比较不理想，但是讯飞生成的只需要零点几秒，不愧是行业NO1，下面说下怎么使用。
1、下载官方demo。
2、在官方demo目录下，执行source 32bit_make.sh 或64bit_make.sh ，根据你的位数来。
3、执行后，不报错的情况下在bin目录下就会生成可执行文件，直接执行 ./tts_offline_sample就可以测试生成结果。
4、在项目中使用，这样肯定是不行的，在demo目录下的.c文件就要改造一下。
/* * 语音合成（Text To Speech，TTS）技术能够自动将任意文字实时转换为连续的 * 自然语音，是一种能够在任何时间、任何地点，向任何人提供语音信息服务的 * 高效便捷手段，非常符合信息时代海量数据、动态更新和个性化查询的需求。 */#include <stdlib.h> #include <stdio.h> #include <unistd.h> #include <errno.h> #include <string.h> #include <inttypes.h> #include <sys/types.h> #include <sys/stat.h> #include <time.h> #include "../include/qtts.h" #include "../include/msp_cmn.h" #include "../include/msp_errors.h" typedef int SR_DWORD; typedef short int SR_WORD ;/* wav音频头部格式 */ typedef struct _wave_pcm_hdr {char riff[4]; // = "RIFF"int size_8; // = FileSize - 8char wave[4]; // = "WAVE"char fmt[4]; // = "fmt "int fmt_size; // = 下一个结构体的大小 : 16short int format_tag; // = PCM : 1short int channels; // = 通道数 : 1int samples_per_sec; // = 采样率 : 8000 | 6000 | 11025 | 16000int avg_bytes_per_sec; // = 每秒字节数 : samples_per_sec * bits_per_sample / 8short int block_align; // = 每采样点字节数 : wBitsPerSample / 8short int bits_per_sample; // = 量化比特数: 8 | 16char data[4]; // = "data";int data_size; // = 纯数据长度 : FileSize - 44 } wave_pcm_hdr;/* 默认wav音频头部数据 */ wave_pcm_hdr default_wav_hdr = {{ 'R', 'I', 'F', 'F' },0,{'W', 'A', 'V', 'E'},{'f', 'm', 't', ' '},16,1,1,16000,32000,2,16,{'d', 'a', 't', 'a'},0 }; /* 文本合成 */ int text_to_speech(const char* src_text, const char* des_path, const char* params) {int ret = -1;FILE* fp = NULL;const char* sessionID = NULL;unsigned int audio_len = 0;wave_pcm_hdr wav_hdr = default_wav_hdr;int synth_status = MSP_TTS_FLAG_STILL_HAVE_DATA;if (NULL == src_text || NULL == des_path){printf("params is error!\n");return ret;}fp = fopen(des_path, "wb");if (NULL == fp){printf("open %s error.\n", des_path);return ret;}/* 开始合成 */sessionID = QTTSSessionBegin(params, &ret);if (MSP_SUCCESS != ret){printf("QTTSSessionBegin failed, error code: %d.\n", ret);fclose(fp);return ret;}ret = QTTSTextPut(sessionID, src_text, (unsigned int)strlen(src_text), NULL);if (MSP_SUCCESS != ret){printf("QTTSTextPut failed, error code: %d.\n",ret);QTTSSessionEnd(sessionID, "TextPutError");fclose(fp);return ret;}fwrite(&wav_hdr, sizeof(wav_hdr) ,1, fp); //添加wav音频头，使用采样率为16000while (1) {/* 获取合成音频 */const void* data = QTTSAudioGet(sessionID, &audio_len, &synth_status, &ret);if (MSP_SUCCESS != ret)break;if (NULL != data){fwrite(data, audio_len, 1, fp);wav_hdr.data_size += audio_len; //计算data_size大小 }if (MSP_TTS_FLAG_DATA_END == synth_status)break;}printf("\n");if (MSP_SUCCESS != ret){printf("QTTSAudioGet failed, error code: %d.\n",ret);QTTSSessionEnd(sessionID, "AudioGetError");fclose(fp);return ret;}/* 修正wav文件头数据的大小 */wav_hdr.size_8 += wav_hdr.data_size + (sizeof(wav_hdr) - 8);/* 将修正过的数据写回文件头部,音频文件为wav格式 */fseek(fp, 4, 0);fwrite(&wav_hdr.size_8,sizeof(wav_hdr.size_8), 1, fp); //写入size_8的值fseek(fp, 40, 0); //将文件指针偏移到存储data_size值的位置fwrite(&wav_hdr.data_size,sizeof(wav_hdr.data_size), 1, fp); //写入data_size的值 fclose(fp);fp = NULL;/* 合成完毕 */ret = QTTSSessionEnd(sessionID, "Normal");if (MSP_SUCCESS != ret){printf("QTTSSessionEnd failed, error code: %d.\n",ret);}return ret; }int ensure_directory_exists(const char* path) { // 使用F_OK检查文件（或文件夹）是否存在 if (access(path, F_OK) != -1) { // 路径存在，可能是文件或文件夹，但我们假设它是文件夹（这里不进一步区分） return 0; // 成功，路径已存在 } else { // 路径不存在，尝试创建文件夹 // 注意：mkdir的第二个参数设置了文件夹的权限（如0755表示rwxr-xr-x） if (mkdir(path, 0755) != 0) { // 创建文件夹失败 perror("mkdir failed"); return -1; // 失败 } } return 0; // 成功（无论是已存在还是新创建） } char* create_filename(const char* file_path) { const char* base_path = "/tts/"; char date_str[11]; // "YYYY_MM_DD"格式最多需要10个字符+1个空字符 char directory_path[256]; // 足够大的缓冲区来存储完整路径 // 获取当前日期并格式化为"YYYY_MM_DD" time_t rawtime; struct tm *timeinfo; time(&rawtime); timeinfo = localtime(&rawtime); strftime(date_str, sizeof(date_str), "%Y_%m_%d", timeinfo); // 构建完整路径 snprintf(directory_path, sizeof(directory_path), "%s%s%s", base_path, date_str,"/"); ensure_directory_exists(directory_path);const char* extension = ".wav"; // 计算所需的总长度（包括null终止符） size_t total_length = strlen(directory_path) + strlen(file_path) + strlen(extension) + 1; // 动态分配内存来存储完整的文件名 char* filename = (char*)malloc(total_length * sizeof(char)); if (filename == NULL) { perror("malloc failed"); return NULL; // 内存分配失败时返回NULL } // 使用snprintf来安全地拼接字符串 snprintf(filename, total_length, "%s%s%s", directory_path, file_path, extension); return filename; } int main(int argc, char* argv[]) {/*解析入口参数*//**tts文本*/const char* tts_txt = argv[1]; printf(tts_txt);printf("\n");/*生成文件存储文件名字*/const char* file_path=argv[2];printf(file_path);printf("\n");/*tts发声参数*/const char* tts_param=argv[3];printf(tts_param);printf("\n");int ret = MSP_SUCCESS;const char* login_params = "appid = 换成你自己的, work_dir = .";//登录参数,appid与msc库绑定,请勿随意改动/** rdn: 合成音频数字发音方式* volume: 合成音频的音量* pitch: 合成音频的音调* speed: 合成音频对应的语速* voice_name: 合成发音人* sample_rate: 合成音频采样率* text_encoding: 合成文本编码格式**/const char* session_begin_params = tts_param;printf(session_begin_params);const char* filename = create_filename(file_path); const char* text = tts_txt; /* 用户登录 */ret = MSPLogin(NULL, NULL, login_params); //第一个参数是用户名，第二个参数是密码，第三个参数是登录参数，用户名和密码可在http://www.xfyun.cn注册获取if (MSP_SUCCESS != ret){printf("MSPLogin failed, error code: %d.\n", ret);MSPLogout(); //退出登录return 0;}/* 文本合成 */ret = text_to_speech(text, filename, session_begin_params);if (MSP_SUCCESS != ret){printf("text_to_speech failed, error code: %d.\n", ret);}MSPLogout(); //退出登录return 0; }
5、再执行第二步的操作。
6、在bin目录下新建tts_test.sh脚本用于测试，也可以不用，直接执行内容的命令，内容如下
tts_offline_sample "tts测 试 " ewr5we "engine_type = local,voice_name=xiaoyan, text_encoding = UTF8, tts_res_
path = fo|res/tts/xiaoyan.jet;fo|res/tts/common.jet, sample_rate = 16000, speed = 50, volume = 50, pitch = 5
0, rdn = 2"
执行新建的脚本测试。
7、bin目录下的msc目录下的msc.cfg文件直接删除，不然会有很多的日志。
8、脚本执行可以的话，C语言的开发就到这里了，用其他语言发起命令行调用就能实现合成了，具体的要看你的业务怎么设计的了。
