具有流输入和输出的 Azure 文本转语音

Question

我正在尝试创建一个应用程序，您可以在其中书写，然后听到转录。它可以工作，但我正在发送整个文本，然后等待整个音频，SDK 是否可以有一个流输入，它可以实时读取我的输入并作为流发送和输出？所以整个过程不需要等待，它可以不断地发送音频并读取新的文本。

我知道这个过程之间存在延迟，但与等待写入整个文本段落和等待整个音频所需的时间相比，延迟真的很小。

const textToSpeech = async (text) => {
  // convert callback function to promise
  return new Promise((resolve, reject) => {
    let ssml = SSML.replace("__TEXT__", text);

    const speechConfig = sdk.SpeechConfig.fromSubscription(key, region);
    speechConfig.speechSynthesisOutputFormat = 4; // mp3

    let audioConfig = null;

    // if (filename) {
    let randomString = Math.random().toString(36).slice(2, 7);
    let filename = `./public/speech-${randomString}.mp3`;
    audioConfig = sdk.AudioConfig.fromAudioFileOutput(filename);

    const synthesizer = new sdk.SpeechSynthesizer(speechConfig, audioConfig);

    synthesizer.speakSsmlAsync(
      ssml,
      (result) => {
        synthesizer.close();

        resolve({
          filename: `/speech-${randomString}.mp3`,
        });
      },
      (error) => {
        synthesizer.close();
        reject(error);
      }
    );
  });
};

目前我正在使用一个文件和一个文本输入，但我想创建一个类似的流连接，所以当我开始编写时，它将不断读取并生成一个新的音频，该音频也将作为流接收，所以我可以在生成时听到它，而不是在完整生成结束时听到。

Answer 1

我已经修改了给定的 typescript 代码片段并在我的环境中进行了测试，我能够听到生成的音频流。

代码：

const textToSpeech = async (text: string, key: string, region: string) => {
return new Promise<{ filename: string }>((resolve, reject) => {
let ssml = `<speak version='1.0' xmlns='http://www.w3.org/2001/10/synthesis' xml:lang='en-US'><voice name='en-US-Jessa24kRUS'>__TEXT__</voice></speak>`.replace("__TEXT__", text);
const speechConfig = sdk.SpeechConfig.fromSubscription(key, region);
speechConfig.speechSynthesisOutputFormat = sdk.SpeechSynthesisOutputFormat.Audio16Khz32KBitRateMonoMp3;
let audioConfig: sdk.AudioConfig;
let randomString = Math.random().toString(36).slice(2, 7);
let filename = `./public/speech-${randomString}.mp3`;
audioConfig = sdk.AudioConfig.fromAudioFileOutput(filename);
const synthesizer = new sdk.SpeechSynthesizer(speechConfig, audioConfig);
    synthesizer.speakSsmlAsync(
      ssml,
      (result) => {
        synthesizer.close();

        resolve({
          filename: `/speech-${randomString}.mp3`,
        });
      },
      (error) => {
        synthesizer.close();
        reject(error);
      }
    );
  });
};
const myText = "Hi kamali. How are you?";
const myKey = "key";
const myRegion = "region";
const myFunction = async () => {
const result = await textToSpeech(myText, myKey, myRegion);
  console.log(result);
}
myFunction();

输出：

Answer 2

您好，如果您成功了，可以给我您的电子邮件吗？