2023年5月17日
开发小记 如何解决Microsoft Azure文字转语音中文文本不能工作的问题
本问题使用Azure官方提供的示例代码可复现：
文本转语音快速入门 – 语音服务 – Azure Cognitive Services | Microsoft Learn
文本转语音 – 真实 AI 语音生成器 | Microsoft Azure
#include <iostream>
#include <stdlib.h>
#include <speechapi_cxx.h>
using namespace Microsoft::CognitiveServices::Speech;
using namespace Microsoft::CognitiveServices::Speech::Audio;
std::string GetEnvironmentVariable(const char* name);
int main()
{
// This example requires environment variables named "SPEECH_KEY" and "SPEECH_REGION"
auto speechKey = GetEnvironmentVariable("SPEECH_KEY");
auto speechRegion = GetEnvironmentVariable("SPEECH_REGION");
if ((size(speechKey) == 0) || (size(speechRegion) == 0)) {
std::cout << "Please set both SPEECH_KEY and SPEECH_REGION environment variables." << std::endl;
return -1;
}
auto speechConfig = SpeechConfig::FromSubscription(speechKey, speechRegion);
// The language of the voice that speaks.
speechConfig->SetSpeechSynthesisVoiceName("en-US-JennyNeural");
auto speechSynthesizer = SpeechSynthesizer::FromConfig(speechConfig);
// Get text from the console and synthesize to the default speaker.
std::cout << "Enter some text that you want to speak >" << std::endl;
std::string text;
getline(std::cin, text);
auto result = speechSynthesizer->SpeakTextAsync(text).get();
// Checks result.
if (result->Reason == ResultReason::SynthesizingAudioCompleted)
{
std::cout << "Speech synthesized to speaker for text [" << text << "]" << std::endl;
}
else if (result->Reason == ResultReason::Canceled)
{
auto cancellation = SpeechSynthesisCancellationDetails::FromResult(result);
std::cout << "CANCELED: Reason=" << (int)cancellation->Reason << std::endl;
if (cancellation->Reason == CancellationReason::Error)
{
std::cout << "CANCELED: ErrorCode=" << (int)cancellation->ErrorCode << std::endl;
std::cout << "CANCELED: ErrorDetails=[" << cancellation->ErrorDetails << "]" << std::endl;
std::cout << "CANCELED: Did you set the speech resource key and region values?" << std::endl;
}
}
std::cout << "Press enter to exit..." << std::endl;
std::cin.get();
}
std::string GetEnvironmentVariable(const char* name)
{
#if defined(_MSC_VER)
size_t requiredSize = 0;
(void)getenv_s(&requiredSize, nullptr, 0, name);
if (requiredSize == 0)
{
return "";
}
auto buffer = std::make_unique<char[]>(requiredSize);
(void)getenv_s(&requiredSize, buffer.get(), requiredSize, name);
return buffer.get();
#else
auto value = getenv(name);
return value ? value : "";
#endif
}我把en-US-JennyNeural改成了zh-CN-XiaochenNeural，毕竟我的目标语言是中文。
让我们编译、链接、运行，程序轻松跑起来。
先尝试一下。这段因为是语音，所以我没法放测试结果，所以我直接给结论：
- 如果输入英文，完全正常。
- 如果输入中文，会崩溃，如下：
我不懂，但我拉了一下断点，问题出在auto result = speechSynthesizer->SpeakTextAsync(text).get();
直接给结论：
然而，解决了一个问题，又出现了一个新问题。
我用的是TTS，文字转语音，那我的语音呢？妹听到啊！难道我聋了？不至于吧？
同样，我直接给结论，因为我也不是很懂。
如果你不使用wcin，而是直接给text一个值，程序是可以正常工作的，有声音。
比如这样：text = L”你好”;
所以懂了吧？问题出在wcin上。
所以，在wcin之前加一行代码：
wcin.imbue(locale("chs"));提示：上一篇文章中的wcin.imbue(::std::locale(“zh_CN.UTF-8”));用不了，别问为什么，我自己试过的，原因我也不知道。
至此，问题解决，中文TTS输出正常。