无法在 C# 中使用 MS-SAPI 5.1 创建多个 TTS“wav”文件

Question

大家好！

我正在做一个项目，我将不得不使用 TTS 创建名称的 WAV 文件。

我在 Windows Server 2003 上安装了 MS-SAPI 5.1 SDK，并使用 C# 编写 TTS 程序。除了默认的 Microsoft Sam 语音外，我还在服务器上安装了来自 NeoSpeech TTS 的语音。

我遇到的问题是，程序生成的工作 WAV 文件不超过 1 个。

更具体地说，如果我向程序发送 4 个名称，程序会创建 4 个 WAV 文件。但是，只有名字被正确转换。文件大小大于 1 kb，并且文件也在媒体播放器中播放。

其他 3 个文件已创建，但大小为 1 kb，无法在任何媒体播放器中使用。

我是 C# 和 MS-SAPI 的新手，但我相信我在创建代码方面做得不错。我花了几天的时间试图弄清楚这一点，但我现在没有精力了。

非常感谢您对此问题的任何见解。感谢您的宝贵时间。

这是我的代码：

using System;
using System.Collections.Generic;
using System.Collections;
using System.Text;
using SpeechLib;
using System.Threading;

namespace TTS_Text_To_Wav
{
    class Gender
    {
        public static String MALE = "Male";
        public static String FEMALE = "Female";
    }

    class Languages
    {
        public static String ENGLISH = "409;9";
        public static String SPANISH = "40a";
    }

    class Vendor
    {
        public static String VOICEWARE = "Voiceware";
        public static String MICROSOFT = "Microsoft";
    }

    class SampleTTS
    {
        static void Main(string[] args)
        {
            SampleTTS processor = null;

            try
            {
                processor = new SampleTTS();

                // get unprocessed items
                ArrayList unProcessedItems = new ArrayList();
                unProcessedItems.Add("Kate");
                unProcessedItems.Add("Sam");
                unProcessedItems.Add("Paul");
                unProcessedItems.Add("Violeta");

                if (unProcessedItems != null)
                {
                    foreach (string record in unProcessedItems)
                    {
                        // convert text to wav
                        processor.ConvertStringToSpeechWav(record, "c:/temp/" + record + ".wav", Vendor.VOICEWARE, Gender.MALE, Languages.ENGLISH);
                    }
                }
            }
            catch (Exception e)
            {
                Console.WriteLine(e.Message);
            }
        }

        void ConvertStringToSpeechWav(String textToConvert, String pathToCreateWavFile, String vendor, String gender, String language)
        {
            SpVoice voice = null;
            SpFileStream spFileStream = null;

            try
            {
                spFileStream = new SpFileStream();
                voice = new SpVoice();

                spFileStream.Format.Type = SpeechAudioFormatType.SAFT8kHz16BitMono;
                spFileStream.Open(pathToCreateWavFile, SpeechStreamFileMode.SSFMCreateForWrite, false);

                voice.Voice = voice.GetVoices("Vendor=" + vendor + ";Gender=" + gender, "Language=" + language).Item(0);
                voice.AudioOutputStream = spFileStream;
                voice.Speak(textToConvert, SpeechVoiceSpeakFlags.SVSFlagsAsync | SpeechVoiceSpeakFlags.SVSFPurgeBeforeSpeak);
                voice.WaitUntilDone(Timeout.Infinite);
            }
            catch (Exception e)
            {
                throw new Exception("Error occured in ConvertStringToSpeechWav()\n" + e.Message);
            }
            finally
            {
                if (spFileStream != null)
                {
                    spFileStream.Close();
                }
            }
        }
    }
}

编辑：

我似乎注意到了一些新的行为。该代码适用于系统上的 Microsoft 语音。似乎只有 NeoSpeech 声音才有这个问题。

这是否意味着我的代码正确而声音有问题？一方面，我从客户那里得到了声音，所以我对此无能为力。其次，这些是生产就绪的声音。我很确定它们已经过很好的测试，否则我们会听说很多。

我仍然倾向于相信我编写的代码有问题。

还有其他建议吗？我在这里进行了真正的修复，我们将不胜感激。

Answer 1

虽然我没有发现导致 TTS 问题的明显原因，但您可以使用一些最佳实践和代码简化。

首先，包含 Main()、SampleTTS 的类不需要实例化即可调用 ConvertStringToSpeechWav()：

class SampleTTS
{
    static void Main(string[] args)
    {
        SampleTTS processor = null;

        try
        {
            processor = new SampleTTS();

Sample TTS 类可以改写如下：

class SampleTTS
{
    static void Main(string[] args)
    {
        try
        {
            // get unprocessed items
            List<String> unProcessedItems = new List<String>();
            unProcessedItems.Add("Kate");
            unProcessedItems.Add("Sam");
            unProcessedItems.Add("Paul");
            unProcessedItems.Add("Violeta");

            foreach (string record in unProcessedItems)
            {
                // convert text to wav
                ConvertStringToSpeechWav(record, "c:/temp/" + record + ".wav", Vendor.VOICEWARE, Gender.MALE, Languages.ENGLISH);
            }
        }
        catch (Exception e)
        {
            Console.WriteLine(e.Message);
        }
    }

注意，我还将列表从 ArrayList -> List<String> 更改为最佳实践，因为 List(T) 的性能优于 ArrayList 并且是类型安全的。我还删除了if (unProcessedItems != null check)，因为您已经在实例化上面的列表，所以它要么不为空，要么抛出异常。

最后，每次调用 ConvertStringToSpeechWav() 时，您都会创建一个新的语音对象：

voice = new SpVoice();

并让 GC 清理它。您是否尝试过像上面建议的 PauloPinto 那样调用 GC.Collect() 来查看它是否有效？您不必为了让某些东西工作而坚持严格的编码原则。目标应该始终是编写干净且有原则的代码，但更重要的是让您的代码处于工作状态，然后根据需要进行重构。

我希望这会有所帮助。

干杯。

Answer 2

自从我做 TTS 以来已经有一段时间了，但我记得 Speak 方法是异步的，所以后续调用可能在第一次播放时被阻塞。

您似乎是通过使用“SpeechVoiceSpeakFlags.SVSFlagsAsync”标志明确执行此操作的，因此请先尝试更改。

Answer 3

我遇到了类似的问题，除了我使用的是来自不同供应商（不是 NeoSpeech）的声音，而且该问题仅在成功生成大约 300 个左右的 wav 文件后才出现。

但症状是一样的：所有不起作用的 wav 文件的大小都小于 1K。

我注意到将失败的行移到列表顶部仍然会产生类似的结果：最初的 300 左右行成功了（即使其中一些行在之前的运行中失败了）。所以问题不在于行本身，而在于处理了多少。

我找不到任何“重置”语音系统的方法，所以我尝试每 100 行调用一次垃圾收集器。成功了！

所以我建议你试试：

GC.Collect();

在您的 ConvertStringToSpeechWav 函数的末尾。