百度语音合成文档

http://speech.baidu.com/docs/tts/157

此文档自2018年3月起不再更新，建议访问 http://ai.baidu.com/docs#/TTS-API/top 来查看相关内容

接口及调用过程

简介

DEMO在SDK的基础上，封装了调用逻辑，您可以直接使用SDK，或者使用DEMO封装好SDK接口的类。也可以对比参考DEMO中对SDK的调用封装。
使用SDK方式的话，比较底层，开发者需要自行实现一部分逻辑。

• SDK方式调用请参考MiniActivity
• DEMO方式调用请参考SynthActivity

本文仅描述SDK的调用方式。

初始化

获取 SpeechSynthesizer 实例

1. SpeechSynthesizer mSpeechSynthesizer = SpeechSynthesizer.getInstance();

SpeechSynthesizer.getInstance(); 建议每次只使用一个实例。release方法调用后，可以使用第二个。

设置当前的Context

1. mSpeechSynthesizer.setContext(this); // this 是Context的之类，如Activity

注意 setContext只要在SpeechSynthesizer.getInstance();设置一次即可，不必切换Context时重复设置。

设置合成结果的回调

如合成成功后，SDK会调用用户设置的SpeechSynthesizerListener 里的回调方法

1. mSpeechSynthesizer.setSpeechSynthesizerListener(listener); //listener是SpeechSynthesizerListener 的实现类，需要实现您自己的业务逻辑。SDK合成后会对这个类的方法进行回调。

设置 App Id和 App Key 及 App Secret

用户在语音官网或者百度云网站上申请语音合成的应用后，会有appId appKey及appSecret

如：

1. String AppId = "8535996";
2. String AppKey = "MxPpf3nF5QX0pnd******cB";
3. String AppSecret = "7226e84664474aa09********b2aa434"

1. mSpeechSynthesizer.setAppId("8535996"/*这里只是为了让Demo运行使用的APPID,请替换成自己的id。*/);
2. mSpeechSynthesizer.setApiKey("MxPpf3nF5QX0pnd******cB", "7226e84664474aa09********b2aa434"/*这里只是为了让Demo正常运行使用APIKey,请替换成自己的APIKey*/);

如果需要使用离线合成功能的话，请在申请的语音合成的应用填写您自己的包名： demo的包名是“com.baidu.tts.sample”， 定义在build.gradle中。

授权检验接口

测试您的AppId，AppKey AppSecret填写正确，语音合成服务是否开通。

• 离在线混合模式下，自动下载正式授权文件。每次调用时，可能会更新正式授权文件。
• 在线合成模式下，验证权限。首次验证时比较耗时，第一次调用成功，之后可以不必调用。

离在线混合模式下 ，检验应用里包名是否填写正确，如果正确，自动下载正式授权文件。如果不正确，请在应用管理页面检查合成服务是否开通，包名是否填写正确。

1. mSpeechSynthesizer.auth(TtsMode.ONLINE); // 纯在线
2. //或 mSpeechSynthesizer.auth(TtsMode.MIX); // 离在线混合

注意 demo的包名是com.baidu.tts.sample，定义在build.gradle文件中。

设置合成参数

具体参数请参见 “输入参数和输出回调”一节

可以在初始化设置，也可以在合成前设置。
示例：

1. mSpeechSynthesizer.setParam(SpeechSynthesizer.PARAM_SPEAKER, "0"); // 设置发声的人声音，在线生效

初始化合成引擎

设置合成的参数后，需要调用此方法初始化

1. mSpeechSynthesizer.initTts(TtsMode.MIX); // 初始化离在线混合模式，如果只需要在线合成功能，使用 TtsMode.ONLINE

控制接口

合成及播放接口

如果需要合成后立即播放的请调用speak方法，如果只需要合成请调用synthesize方法

该接口线程安全，可以重复调用。内部采用排队策略，调用后将自动加入队列，SDK会按照队列的顺序进行合成及播放。
注意需要合成的每个文本text不超过1024的GBK字节，即512个汉字或英文字母数字。超过请自行按照句号问号等标点切分，调用多次合成接口。

返回结果不为0，表示出错。错误码请参见“错误码及解决方法”一节

speak方法示例：

1. int speak(String text);
2. int speak(String text, String utteranceId); // utteranceId在SpeechSynthesizerListener 相关事件方法中回调
3.  
4. speechSynthesizer.speak("百度一下");

synthesize方法示例：

1. int synthesize(String text);
2. int synthesize(String text, String utteranceId); // utteranceId在SpeechSynthesizerListener 相关事件方法中回调
3.  
4. speechSynthesizer.synthesize("百度一下");

调用这两个方法后，SDK会回调SpeechSynthesizerListener中的onSynthesizeDataArrived方法。 音频数据在byte[] audioData参数中，采样率16K 16bits编码 单声道。连续将audioData写入一个文件，即可作为一个可以播放的pcm文件（采样率16K 16bits编码 单声道）。

批量合成并播放接口

效果同连续调用speak 方法。
该接口可以批量传入多个文本并进行排队合成并播放（如果没有设置utteranceId，则使用list的索引值作为utteranceId）。
注意需要合成的每个文本text不超过1024的GBK字节，即512个汉字或英文字母数字。超过请自行按照句号问号等标点切分，放入多个SpeechSynthesizeBag

1. int batchSpeak(java.util.List speechSynthesizeBags)

以下为批量调用示例

1. List bags = new ArrayList();
2. bags.add(getSpeechSynthesizeBag("123456", "0"));
3. bags.add(getSpeechSynthesizeBag("你好", "1"));
4. bags.add(getSpeechSynthesizeBag("使用百度语音合成SDK", "2"));
5. bags.add(getSpeechSynthesizeBag("hello", "3"));
6. bags.add(getSpeechSynthesizeBag("这是一个demo工程", "4"));
7. int result = mSpeechSynthesizer.batchSpeak(bags);
8.  
9. private SpeechSynthesizeBag getSpeechSynthesizeBag(String text, String utteranceId) {
10. SpeechSynthesizeBag speechSynthesizeBag = new SpeechSynthesizeBag();
11. //需要合成的文本text的长度不能超过1024个GBK字节。
12. speechSynthesizeBag.setText(text);
13. speechSynthesizeBag.setUtteranceId(utteranceId);
14. return speechSynthesizeBag;
15. }

返回结果不为0，表示出错。错误码请参见“错误码及解决方法”一节

播放过程中的暂停及继续

仅speak方法调用后有效。可以使用pause暂停当前的播放。pause暂停后，可使用resume进行播放。

1. int result = mSpeechSynthesizer.pause();
2. int result = mSpeechSynthesizer.resume();

返回结果不为0，表示出错。错误码请参见“错误码及解决方法”一节

停止合成并停止播放

取消当前的合成。并停止播放。

1. int result = mSpeechSynthesizer.stop();

返回结果不为0，表示出错。错误码请参见“错误码及解决方法”一节

其它接口

释放资源

不再使用后，请释放资源，并将mSpeechSynthesizer设为null。如果需要再次使用，可以通过SpeechSynthesizer.getInstance() 获取，并重复上述流程。

1. int result = mSpeechSynthesizer.release();

返回结果不为0，表示出错。错误码请参见“错误码及解决方法”一节

切换离线发音

切换离线发音人接口。 目前只有4种离线发声，用这个方法可以切换离线发音人。
离线合成时的参数，填入两个资源文件的路径。如果切换的话，也是使用这两个文件路径。

1. int result = mSpeechSynthesizer.loadModel(speechModelPath, textModelPath);

返回结果不为0，表示出错。错误码请参见“错误码及解决方法”一节

设置音量

该接口用来设置播放器的音量，即使用speak 播放音量时生效。范围为[0.0f-1.0f]。

1. int result = mSpeechSynthesizer.setStereoVolume (leftVolume, rightVolume);

此接口与PARAM_VOLUME参数的设置不同，PARAM_VOLUME设置的是服务器合成音频时的音量，而该接口设置的是播放时Android系统的音量。
返回结果不为0，表示出错。错误码请参见“错误码及解决方法”一节

音频流类型

该接口用来设置播放器的音频流类型，默认值为AudioManager.STREAM_MUSIC, AudioManager.STREAM_MUSIC指的是用与音乐播放的音频流。
其它可选参数见Android 官方文档对AudioManager的描述

1. int setAudioStreamType(int streamType)

SpeechSynthesizerListener回调方法

请参见 “输入参数和输出回调”一节