文本合成语音知识点

文本合成语音知识点：

1. 使用语音密钥和位置/区域创建 SpeechConfig
   var config = SpeechConfig.FromSubscription(key,location/region); //返回一个配置实例SpeechConfig

2. config.SpeechSynthesisLanguage = 语言类型

3. config.SpeechSynthesisVoiceName = 声音类型

4. 将语音合成到文件中：
   using var audioConfig = AudioConfig.FromWavFileOutput(“路径/file.wav”);（using 语句会自动释放非托管资源，导致对象在释放后超出范围。）
   创建AudioConfig 以使用 FromWavFileOutput() 函数自动将输出写入 .wav 文件

5. 合成到扬声器输出：
   using var synthesizer = new SpeechSynthesizer(SpeechConfig, AudioConfig); //创建SpeechSynthesizer对象，
   用SpeakTextAsync（“string”）方法可执行语音合成和写入文件
   如果省略AudioConfig参数，则合成的语音将直接输出到扬声器

6. 获取内存中流形式的结果：
   如果将AudioConfig参数设置为null (默认不会在当前处于活动状态的输出设备上播放音频)
   将结果保存到 result变量中，然后使用AudioDataStream.FromResult（result）从reslut中获取流

7.自定义音频格式(音频文件类型，采样率，位深度）： config.SetSpeechSynthesisOutputFormat(合成输出格式id);

8.使用SSML自定义语言特征：在项目根目录为SSML创建一个新的XML文件。根元素,使用元素中的name
参数来改变语音。更改语音合成请求以引用XML文件，将SpeakTextAsync()改成SpeakSsmlAsync()，参数为字符串，所以先使用
File.ReadAllText() 加载字符串形式的 SSML 配置。（不使用SSML改变语音->3）

9. SSML 调整讲话风格：

<mstts:express-as style="发音语气" styledegree="发音强度" role=""></mstts:express-as>

styledegree 指定更强或更柔和的风格（仅支持中文神经语音）。调整 role 参数，使语音模拟不同的年龄和性别(zh-cn-XiaomoNeural
zh-cn-XiaoxuanNeural)。

10. 调整讲话语言：

	<lang xml:lang="语言类型">句子</lang>（不同地区）

11. 添加或删除中断/暂停：
    使用元素 break 可在单词之间插入暂停（或中断），或者防止文本转语音服务自动添加暂停。

	<break strength="指定暂停的相对持续时间" />
	<break time="暂停的绝对持续时间" />

12. 添加语音（仅适合输入文本的开头或结尾，或者两个相邻句子的分界处）：

	<mstts:silence  type="添加静音的位置"  value="静音的时间"/>

13. 指定段落和句子:
    p 和 s 元素分别用于表示段落和句子

14. 使用音素改变发音：
    ph 元素用于 SSML 文档中的发音。 ph 元素只能包含文本，而不能包含其他元素

	<phoneme alphabet="string" ph="string"></phoneme>

	alphabet：指定在 ph 属性中合成字符串发音时要使用的音标。 指定音标的字符串必须以小写字母指定。
	ph：一个字符串，包含用于在 phoneme 元素中指定单词发音的音素。 如果指定的字符串包含无	
		法识别的音素，则文本转语音 (TTS) 服务将拒绝整个 SSML 文档，并且不会生成文档中指定的任何语音输出。	

15. 使用自定义词典改善发音*:
    有时文本转语音服务无法准确地根据字词发音。 例如，公司的名称、医学术语或表情符号。 开发人员可以使用 phoneme 和 sub
    标记来定义采用 SSML 朗读单个实体的方式。 但是，如果需要定义朗读多个实体的方式，则可以使用 lexicon 标记创建自定义词典。

16. 调整韵律:
    prosody 元素用于指定文本转语音输出的音节、调型、范围、速率、持续时间和音量的变化。
    prosody 元素可包含文本和以下元素：audio、break、p、phoneme、prosody、say-as、sub 和 s。

<prosody pitch="指示文本的基线音节" contour="value" range="文本音节范围" rate="讲出速率" 
	duration="读取文本时应该消逝的时长" volume="语音的音量级别"></prosody>

17. 更改语速：

	<prosody rate="+30.00%"></prosody>

18. 更改音量：
    可以在单词或句子级别对标准语音应用音量变化。 只能在句子级别对神经语音应用音量变化。

 	<prosody volume="+20.00%"></prosody>

19. 更改音高：
    可以在单词或句子级别对标准语音应用音节变化。 只能在句子级别对神经语音应用音节变化。

	<voice name="en-US-ChristopherNeural"></voice>

20. 更改音高升降曲线：

   <prosody contour="(60%,-60%) (100%,+80%)" ></prosody>

21. say-as 元素：
    say-as 是一个可选元素，指示元素文本的内容类型（例如数字或日期）

	<say-as interpret-as="指定文本内容类型" format="digit string" detail="string"> <say-as>

22.添加录制的视频：

	<audio src="音频路径"/></audio>

23. 添加背景音频:

	<mstts:backgroundaudio src="音频位置" volume="指定背景音频文件的音量" 
		fadein="背景音频淡入的持续时间" fadeout="背景音频淡出的持续时间"/>