科大讯飞离线lunix tts demo使用

标签：lunix tts 离线 ret char int wav path

项目中需要用到后台服务端用文本生成语音，网上大部分都是通过ai大模型推理出来的，还有写其他方式的，效果和生成时间都比较不理想，但是讯飞生成的只需要零点几秒，不愧是行业NO1，下面说下怎么使用。

1、下载官方demo。

2、在官方demo目录下，执行source 32bit_make.sh 或64bit_make.sh ，根据你的位数来。

3、执行后，不报错的情况下在bin目录下就会生成可执行文件，直接执行 ./tts_offline_sample就可以测试生成结果。

4、在项目中使用，这样肯定是不行的，在demo目录下的.c文件就要改造一下。

/*
* 语音合成（Text To Speech，TTS）技术能够自动将任意文字实时转换为连续的
* 自然语音，是一种能够在任何时间、任何地点，向任何人提供语音信息服务的
* 高效便捷手段，非常符合信息时代海量数据、动态更新和个性化查询的需求。
*/

#include <stdlib.h>
#include <stdio.h>
#include <unistd.h>
#include <errno.h>
#include <string.h>  
#include <inttypes.h>
#include <sys/types.h>
#include <sys/stat.h>
#include <time.h>
#include "../include/qtts.h"
#include "../include/msp_cmn.h"
#include "../include/msp_errors.h"
typedef int SR_DWORD;
typedef short int SR_WORD ;

/* wav音频头部格式 */
typedef struct _wave_pcm_hdr
{
    char            riff[4];                // = "RIFF"
    int                size_8;                 // = FileSize - 8
    char            wave[4];                // = "WAVE"
    char            fmt[4];                 // = "fmt "
    int                fmt_size;                // = 下一个结构体的大小 : 16

    short int       format_tag;             // = PCM : 1
    short int       channels;               // = 通道数 : 1
    int                samples_per_sec;        // = 采样率 : 8000 | 6000 | 11025 | 16000
    int                avg_bytes_per_sec;      // = 每秒字节数 : samples_per_sec * bits_per_sample / 8
    short int       block_align;            // = 每采样点字节数 : wBitsPerSample / 8
    short int       bits_per_sample;        // = 量化比特数: 8 | 16

    char            data[4];                // = "data";
    int                data_size;              // = 纯数据长度 : FileSize - 44 
} wave_pcm_hdr;

/* 默认wav音频头部数据 */
wave_pcm_hdr default_wav_hdr = 
{
    { 'R', 'I', 'F', 'F' },
    0,
    {'W', 'A', 'V', 'E'},
    {'f', 'm', 't', ' '},
    16,
    1,
    1,
    16000,
    32000,
    2,
    16,
    {'d', 'a', 't', 'a'},
    0  
};
/* 文本合成 */
int text_to_speech(const char* src_text, const char* des_path, const char* params)
{
    int          ret          = -1;
    FILE*        fp           = NULL;
    const char*  sessionID    = NULL;
    unsigned int audio_len    = 0;
    wave_pcm_hdr wav_hdr      = default_wav_hdr;
    int          synth_status = MSP_TTS_FLAG_STILL_HAVE_DATA;

    if (NULL == src_text || NULL == des_path)
    {
        printf("params is error!\n");
        return ret;
    }
    fp = fopen(des_path, "wb");
    if (NULL == fp)
    {
        printf("open %s error.\n", des_path);
        return ret;
    }
    /* 开始合成 */
    sessionID = QTTSSessionBegin(params, &ret);
    if (MSP_SUCCESS != ret)
    {
        printf("QTTSSessionBegin failed, error code: %d.\n", ret);
        fclose(fp);
        return ret;
    }
    ret = QTTSTextPut(sessionID, src_text, (unsigned int)strlen(src_text), NULL);
    if (MSP_SUCCESS != ret)
    {
        printf("QTTSTextPut failed, error code: %d.\n",ret);
        QTTSSessionEnd(sessionID, "TextPutError");
        fclose(fp);
        return ret;
    }
    fwrite(&wav_hdr, sizeof(wav_hdr) ,1, fp); //添加wav音频头，使用采样率为16000
    while (1) 
    {
        /* 获取合成音频 */
        const void* data = QTTSAudioGet(sessionID, &audio_len, &synth_status, &ret);
        if (MSP_SUCCESS != ret)
            break;
        if (NULL != data)
        {
            fwrite(data, audio_len, 1, fp);
            wav_hdr.data_size += audio_len; //计算data_size大小
        }
        if (MSP_TTS_FLAG_DATA_END == synth_status)
            break;
    }
    printf("\n");
    if (MSP_SUCCESS != ret)
    {
        printf("QTTSAudioGet failed, error code: %d.\n",ret);
        QTTSSessionEnd(sessionID, "AudioGetError");
        fclose(fp);
        return ret;
    }
    /* 修正wav文件头数据的大小 */
    wav_hdr.size_8 += wav_hdr.data_size + (sizeof(wav_hdr) - 8);
    
    /* 将修正过的数据写回文件头部,音频文件为wav格式 */
    fseek(fp, 4, 0);
    fwrite(&wav_hdr.size_8,sizeof(wav_hdr.size_8), 1, fp); //写入size_8的值
    fseek(fp, 40, 0); //将文件指针偏移到存储data_size值的位置
    fwrite(&wav_hdr.data_size,sizeof(wav_hdr.data_size), 1, fp); //写入data_size的值
    fclose(fp);
    fp = NULL;
    /* 合成完毕 */
    ret = QTTSSessionEnd(sessionID, "Normal");
    if (MSP_SUCCESS != ret)
    {
        printf("QTTSSessionEnd failed, error code: %d.\n",ret);
    }

    return ret;
}


int ensure_directory_exists(const char* path) {  
    // 使用F_OK检查文件（或文件夹）是否存在  
    if (access(path, F_OK) != -1) {  
        // 路径存在，可能是文件或文件夹，但我们假设它是文件夹（这里不进一步区分）  
        return 0; // 成功，路径已存在  
    } else {  
        // 路径不存在，尝试创建文件夹  
        // 注意：mkdir的第二个参数设置了文件夹的权限（如0755表示rwxr-xr-x）  
        if (mkdir(path, 0755) != 0) {  
            // 创建文件夹失败  
            perror("mkdir failed");  
            return -1; // 失败  
        }  
    }  
    return 0; // 成功（无论是已存在还是新创建）  
} 

char* create_filename(const char* file_path) {  
    const char* base_path = "/tts/";  
    char date_str[11]; // "YYYY_MM_DD"格式最多需要10个字符+1个空字符  
    char directory_path[256]; // 足够大的缓冲区来存储完整路径  
  
    // 获取当前日期并格式化为"YYYY_MM_DD"  
    time_t rawtime;  
    struct tm *timeinfo;  
    time(&rawtime);  
    timeinfo = localtime(&rawtime);  
    strftime(date_str, sizeof(date_str), "%Y_%m_%d", timeinfo);  
  
    // 构建完整路径  
    snprintf(directory_path, sizeof(directory_path), "%s%s%s", base_path, date_str,"/");  
    ensure_directory_exists(directory_path);
    const char* extension = ".wav";  
  
    // 计算所需的总长度（包括null终止符）  
    size_t total_length = strlen(directory_path) + strlen(file_path) + strlen(extension) + 1;  
  
    // 动态分配内存来存储完整的文件名  
    char* filename = (char*)malloc(total_length * sizeof(char));  
    if (filename == NULL) {  
        perror("malloc failed");  
        return NULL; // 内存分配失败时返回NULL  
    }  
  
    // 使用snprintf来安全地拼接字符串  
    snprintf(filename, total_length, "%s%s%s", directory_path, file_path, extension);  
  
    return filename;  
}  

int main(int argc, char* argv[])
{
    /*解析入口参数*/
      
    /**tts文本*/
    const char* tts_txt = argv[1];   
    printf(tts_txt);
    printf("\n");
    /*生成文件存储文件名字*/
    const char* file_path=argv[2];
    printf(file_path);
    printf("\n");
    /*tts发声参数*/
    const char* tts_param=argv[3];
    printf(tts_param);
    printf("\n");
    int         ret                  = MSP_SUCCESS;
    const char* login_params         = "appid = 换成你自己的, work_dir = .";//登录参数,appid与msc库绑定,请勿随意改动
    /*
    * rdn:           合成音频数字发音方式
    * volume:        合成音频的音量
    * pitch:         合成音频的音调
    * speed:         合成音频对应的语速
    * voice_name:    合成发音人
    * sample_rate:   合成音频采样率
    * text_encoding: 合成文本编码格式
    *
    */
    
    const char* session_begin_params = tts_param;
    printf(session_begin_params);
    const char* filename             =  create_filename(file_path); 
    const char* text                 = tts_txt; 
    /* 用户登录 */
    ret = MSPLogin(NULL, NULL, login_params); //第一个参数是用户名，第二个参数是密码，第三个参数是登录参数，用户名和密码可在http://www.xfyun.cn注册获取
    if (MSP_SUCCESS != ret)
    {
        printf("MSPLogin failed, error code: %d.\n", ret);
        MSPLogout(); //退出登录
        return 0;
    }


    /* 文本合成 */
    ret = text_to_speech(text, filename, session_begin_params);
    if (MSP_SUCCESS != ret)
    {
        printf("text_to_speech failed, error code: %d.\n", ret);
    }

    MSPLogout(); //退出登录
    return 0;
}

5、再执行第二步的操作。

6、在bin目录下新建tts_test.sh脚本用于测试，也可以不用，直接执行内容的命令，内容如下

tts_offline_sample "tts测 试 " ewr5we "engine_type = local,voice_name=xiaoyan, text_encoding = UTF8, tts_res_ path = fo|res/tts/xiaoyan.jet;fo|res/tts/common.jet, sample_rate = 16000, speed = 50, volume = 50, pitch = 5 0, rdn = 2"

 执行新建的脚本测试。

7、bin目录下的msc目录下的msc.cfg文件直接删除，不然会有很多的日志。

8、脚本执行可以的话，C语言的开发就到这里了，用其他语言发起命令行调用就能实现合成了，具体的要看你的业务怎么设计的了。

标签：lunix,tts,离线,ret,char,int,wav,path
From： https://www.cnblogs.com/rolayblog/p/18530577