java调用科大讯飞离线语音合成SDK --内附完整项目

小蜜蜂vs码农

于 2024-05-31 14:51:46 发布

阅读量1.5k

点赞数 42

文章标签： java windows 人工智能

本文链接：https://blog.csdn.net/xuezhe5212/article/details/139350432

版权

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

<!--        科大讯飞依赖-->
        <dependency>
            <groupId>ws.schild</groupId>
            <artifactId>jave-all-deps</artifactId>
            <version>3.3.1</version>
        </dependency>

        <!--        jna依赖-->
        <!-- https://mvnrepository.com/artifact/net.java.dev.jna/jna -->
        <dependency>
            <groupId>net.java.dev.jna</groupId>
            <artifactId>jna</artifactId>
            <version>5.5.0</version>
        </dependency>

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

/**
 * 合成音频的header
 */
public class WaveHeader {

    /**
     * @param totalAudioLen 音频数据总大小
     * @param sampleRate    采样率
     * @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;
     * @param nChannels     声道数量
     * @param weikuan       位宽
     */
    public static byte[] getWavHeader(int totalAudioLen, int sampleRate, int byteRate, int nChannels, int weikuan) {
        long totalDataLen = totalAudioLen + 36;
        byte[] header = new byte[44];
        header[0] = 'R'; // RIFF/WAVE header
        header[1] = 'I';
        header[2] = 'F';
        header[3] = 'F';
        header[4] = (byte) (totalDataLen & 0xff);
        header[5] = (byte) ((totalDataLen >> 8) & 0xff);
        header[6] = (byte) ((totalDataLen >> 16) & 0xff);
        header[7] = (byte) ((totalDataLen >> 24) & 0xff);
        header[8] = 'W';
        header[9] = 'A';
        header[10] = 'V';
        header[11] = 'E';
        header[12] = 'f'; // 'fmt ' chunk
        header[13] = 'm';
        header[14] = 't';
        header[15] = ' ';
        header[16] = 16; // 4 bytes: size of 'fmt ' chunk
        header[17] = 0;
        header[18] = 0;
        header[19] = 0;
        header[20] = 1; // format = 1
        header[21] = 0;
        header[22] = (byte) (nChannels & 0xff);
        header[23] = (byte) ((nChannels >> 8) & 0xff);

        header[24] = (byte) (sampleRate & 0xff);//采样率
        header[25] = (byte) ((sampleRate >> 8) & 0xff);
        header[26] = (byte) ((sampleRate >> 16) & 0xff);
        header[27] = (byte) ((sampleRate >> 24) & 0xff);

        header[28] = (byte) (byteRate & 0xff);//取八位
        header[29] = (byte) ((byteRate >> 8) & 0xff);
        header[30] = (byte) ((byteRate >> 16) & 0xff);
        header[31] = (byte) ((byteRate >> 24) & 0xff);

        int b = weikuan * nChannels / 8;//每次采样的大小
        header[32] = (byte) (b & 0xff); // block align
        header[33] = (byte) ((b >> 8) & 0xff);

        header[34] = (byte) (weikuan & 0xff);//位宽
        header[35] = (byte) ((weikuan >> 8) & 0xff);

        header[36] = 'd';//data
        header[37] = 'a';
        header[38] = 't';
        header[39] = 'a';
        header[40] = (byte) (totalAudioLen & 0xff);
        header[41] = (byte) ((totalAudioLen >> 8) & 0xff);
        header[42] = (byte) ((totalAudioLen >> 16) & 0xff);
        header[43] = (byte) ((totalAudioLen >> 24) & 0xff);
        return header;
    }
}

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:

import ws.schild.jave.*;
import ws.schild.jave.encode.AudioAttributes;
import ws.schild.jave.encode.EncodingAttributes;
import java.io.File;

/**
 * 音频工具类
 */
public class AudioConversionUtils {
    /**
     * wav转mp3
     */
    public static Boolean audioToMp3(String oldPath, String newFilePath) {
        AudioAttributes audio = new AudioAttributes();
        /*
         * 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，
         * 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。
         */
        audio.setCodec("libmp3lame");
        /*
         * 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 /
         * s比特率，你应该调用setBitRate（new Integer（128000））。
         */
        audio.setBitRate(128000);
        /* 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。 */
        audio.setChannels(1);
        /*
         * 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
         * Hz采样率，则应调用setSamplingRate（new Integer（44100））。
         */
        audio.setSamplingRate(44100);
        /* 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。 */
        audio.setVolume(256);

        // Encoding attributes/编码属性
        EncodingAttributes attrs = new EncodingAttributes();
        /*
         * 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。
         * 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。
         */
        attrs.setOutputFormat("mp3");
        /* 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 */
        attrs.setAudioAttributes(audio);
        /*
         * 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，
         * 则应在传递给编码器的EncodingAttributes对象上调用setOffset（5）。
         */
        // attrs.setOffset(5F);
        /*
         * 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，
         * 则应在传递给编码器的EncodingAttributes对象上调用setDuration（30）
         */
        // attrs.setDuration(30F);

        // Encode/编码
        Encoder encoder = new Encoder();
        try {
            encoder.encode(new MultimediaObject(new File(oldPath)), new File(newFilePath), attrs);
            return true;
        } catch (EncoderException e) {
            e.printStackTrace();
        }
        return false;
    }


    public static void main(String[] args) {
        Boolean result = audioToMp3("D:\\ceshiyinyue\\2024-05-31-11-40-16.wav", "D:\\ceshiyinyue\\2024-05-31-11-40-16.mp3");
        if (result){
            System.out.println("wav转mp3成功！");
        }
    }

}

测试类的代码如下：

public static void main(String[] args) {
        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。";
        String filename = XunFeiSpeech.wordSpeech(text, "D:/ceshiyinyue/");
        //调用科大讯飞离线SDK后生成的语言文件名称
        System.out.println("生成的文件名称：" + filename);

    }

接口测试类代码如下：

/**
 * 语言合成接口
 */
@RestController
@RequestMapping("/test")
public class speechController {

    /**
     *
     * @param text 需要合成语言的文本
     * @param path 合成语言的存储路径
     * @return 返回合成的音频文件名称
     */
    @RequestMapping("/start")
    public String audioConversion(
                                   @RequestParam("text") String text,
                                   @RequestParam("path") String path
    ){
        String fileName = XunFeiSpeech.wordSpeech(text, path);
        return fileName;
    }
}

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！