Microsoft SpeechSynthesizer 在输出到文件和流时发出噼啪声

Question

我正在编写一个使用 SpeechSynthesizer 根据请求生成波形文件的东西，但是我遇到了噼啪声的问题。奇怪的是直接输出到声卡就好了。

这个简短的 powershell 脚本演示了这个问题，尽管我正在用 C# 编写我的程序。

Add-Type -AssemblyName System.Speech
$speech = New-Object System.Speech.Synthesis.SpeechSynthesizer
$speech.Speak('Guybrush Threepwood, mighty pirate!')
$speech.SetOutputToWaveFile("${PSScriptRoot}\foo.wav")
$speech.Speak('Guybrush Threepwood, mighty pirate!')

这个应该做什么，输出到扬声器，然后将相同的声音保存为脚本旁边的“foo.wav”。

它的作用是输出到扬声器，然后将一个噼啪作响的旧电唱机声音版本保存为波形文件。我在三台不同的机器上对此进行了测试，虽然它们默认选择不同的声音（所有 Microsoft 都提供了默认声音），但它们在波形文件中听起来都像是从楼梯上掉下来的垃圾。

为什么？

编辑：我正在 Windows 10 Pro 上对此进行测试，最新更新在任务栏上添加了烦人的“人物”按钮。

编辑 2：Here's a link to an example sound generated with the above script. Notice the crackling voice, that's not there when the script outputs directly to the speakers.

编辑 3：It's even more noticeable with a female voice

编辑 4：The same voice as above, saved to file with TextAloud 3 - no cracking, no vertical spikes.

Answer 1

我很难相信这是一个 PoSH 问题。 不是 PoSH 对序列化到磁盘进行编码。它是正在使用的 API/类。

'msdn.microsoft.com/en-us/library/system.speech.synthesis.speechsynthesizer(v=vs.110).aspx'

根据 MSDN，没有选项可以控制编码、比特率等。

.wav 从来都不是总部的东西。所以，我想知道您是否将 .wav 通过转换器转换为 .mp3 或 mp4，如果这样可以纠正您的质量问题。但这也意味着在用户系统上安装转换器。

其次，从 Win8 开始，默认播放器甚至无法正确播放 .wav 或根本无法播放。当然，您仍然可以将 .wav 的默认播放设置为 Windows Media Player 或通过 VLC 调用文件，但它仍然是 .wav 文件。然而，这也意味着，您必须在每个目标系统上设置媒体播放器分配。

Answer 2

这是 SpeechSynthesizer API 的问题，它只是提供了质量差、噼啪作响的音频，如上面的示例所示。解决办法就是做TextAloud做的，直接使用SpeechLib COM对象。

这是通过添加对“Microsoft Speech Object Library (5.4)”的 COM 引用来完成的。这是我最终得到的代码的 sn-p，它会生成与 TextAloud 质量相同的音频剪辑：

public new static byte[] GetSound(Order o)
{
    const SpeechVoiceSpeakFlags speechFlags = SpeechVoiceSpeakFlags.SVSFlagsAsync;
    var synth = new SpVoice();
    var wave = new SpMemoryStream();
    var voices = synth.GetVoices();
    try
    {
        // synth setup
        synth.Volume = Math.Max(1, Math.Min(100, o.Volume ?? 100));
        synth.Rate = Math.Max(-10, Math.Min(10, o.Rate ?? 0));
        foreach (SpObjectToken voice in voices)
        {
            if (voice.GetAttribute("Name") == o.Voice.Name)
            {
                synth.Voice = voice;
            }
        }
        wave.Format.Type = SpeechAudioFormatType.SAFT22kHz16BitMono;
        synth.AudioOutputStream = wave;
        synth.Speak(o.Text, speechFlags);
        synth.WaitUntilDone(Timeout.Infinite);

        var waveFormat = new WaveFormat(22050, 16, 1);
        using (var ms = new MemoryStream((byte[])wave.GetData()))
        using (var reader = new RawSourceWaveStream(ms, waveFormat))
        using (var outStream = new MemoryStream())
        using (var writer = new WaveFileWriter(outStream, waveFormat))
        {
            reader.CopyTo(writer);
            return o.Mp3 ? ConvertToMp3(outStream) : outStream.GetBuffer();
        }
    }
    finally
    {
        Marshal.ReleaseComObject(voices);
        Marshal.ReleaseComObject(wave);
        Marshal.ReleaseComObject(synth);
    }
}

这是将波形文件转换为 mp3 的代码。它使用来自 nuget 的 NAudio.Lame。

internal static byte[] ConvertToMp3(Stream wave)
{
    wave.Position = 0;
    using (var mp3 = new MemoryStream())
    using (var reader = new WaveFileReader(wave))
    using (var writer = new LameMP3FileWriter(mp3, reader.WaveFormat, 128))
    {
        reader.CopyTo(writer);
        mp3.Position = 0;
        return mp3.ToArray();
    }
}