山东大学软件学院项目实训（三）

本周进行了文本转语音(tts)的后端实现。

项目结构如下：

本实现通过调用科大讯飞的语音合成技术，其通过Websocket API的方式给开发者提供一个通用的接口。Websocket API具备流式传输能力，适用于需要流式数据传输的AI服务场景，这和我们项目的目标相一致。相较于SDK，API具有轻量、跨语言的特点；相较于HTTP API，Websocket API协议有原生支持跨域的优势。

接口调用流程如下：

• 通过接口密钥基于hmac-sha256计算签名，向服务器端发送Websocket协议握手请求。
• 握手成功后，客户端通过Websocket连接同时上传和接收数据。数据上传完毕，客户端需要上传一次数据结束标识。
• 接收到服务器端的结果全部返回标识后断开Websocket连接。

然后开始对接口进行调用和实现，初步如下图

首先定义一些常量，包括tts服务对应的url，与个人请求服务相关的账号密钥，指定文本编码格式，发音人，目标文件名称及最终存储路径，然后输入想要合成的文本，最终得到想要的结果。

程序的主函数，它首先获取授权的WebSocket URL，然后创建一个FileOutputStream来保存合成的音频，并调用websocketWork方法来处理WebSocket连接。

其余部分不一一展示，程序的工作流程如下所示：

• 使用getAuthUrl方法获取授权的WebSocket URL。
• 通过websocketWork方法建立WebSocket连接。
• 在连接建立后，启动MyThread线程发送请求参数和要合成的文本。
• 服务器处理请求并返回音频数据，程序将这些数据写入到文件中。
• 一旦音频合成完成，关闭WebSocket连接并释放资源。

代码中还使用了Base64编码来处理文本数据，并且使用了Gson库来解析JSON响应。此外，还使用了Java的javax.crypto包来进行HMAC-SHA256签名，使程序可靠性较好。

运行程序后，在对应目录下出现了合成完成的mp3文件，也可以顺利进行播放，调用完成。