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！
![[图的搜索]5.图解狄克斯特拉算法及其代码演示](https://img-blog.csdnimg.cn/direct/f93a9eca90f2439aa7b11804b68239bb.png)
