科大讯飞语音合成WebApi

本来一开始是因为项目中需要用到听书功能，就想用科大讯飞的语音合成Web API，本来官方文档已经提供了一个完整demo，不过根据自己的需求还是弄了一天左右o(╥﹏╥)o
官方文档: https://www.xfyun.cn/doc/tts/online_tts/API.html

根据文档接口调用流程
使用WebSocket请求接口与返回

• 接口授权

function getAuthStr(date) {
    let signatureOrigin = `host: ${config.host}\ndate: ${date}\nGET ${config.uri} HTTP/1.1`
    let signatureSha = CryptoJS.HmacSHA256(signatureOrigin, config.apiSecret)
    let signature = CryptoJS.enc.Base64.stringify(signatureSha)
    let authorizationOrigin = `api_key="${config.apiKey}", algorithm="hmac-sha256", headers="host date request-line", signature="${signature}"`
    let authStr = CryptoJS.enc.Base64.stringify(CryptoJS.enc.Utf8.parse(authorizationOrigin))
    return authStr
}

• 创建wssUrl

// 获取当前时间 RFC1123格式
let date = (new Date().toUTCString())
let wssUrl = config.hostUrl + "?authorization=" + getAuthStr(date) + "&date=" + date + "&host=" + config.host
let ws = new WebSocket(wssUrl)

• 接口数据传输
  请求参数一共有三个
• common: app_id，见账号控制台
• business：业务参数，只有两个参数是必填的
  • aue：音频编码格式，当需要生成mp3格式时需要(aue=lame且sfl=1)
  • vcn：发音人
• data：需要合成的文本

//连接建立完毕，读取数据识别
    ws.on('open', ()=>{
        log.info("websocket connect!")
        // send(text) //传输数据
        let frame = {
            "common": {
                "app_id": config.appid
            },
            // 填充business
            "business": {
                "aue": "lame",
                "auf": "audio/L16;rate=16000",
                "vcn": "xiaoyan",
                "tte": "UTF8",
                "sfl": 1
            },
            // 填充data
            "data": {
                "text": Buffer.from(text).toString('base64'),
                "status": 2
            }
        }
        ws.send(JSON.stringify(frame))
    })

• 接收数据: 合成返回的帧长度较大，服务端是可能会出现一个消息分为多个websocket 帧返回给客户端。这时候我的处理是每返回一次写入相同文件mp3

ws.on('message', (data, err)=>{      
        if(err){
            return;
        }  
        let res_data = JSON.parse(data)
        if(!res_data || res_data.code!==0){
            return;
        }               
        audioBuf.push(res_data.data.audio)
        let audio = Buffer.from(res_data.data.audio, 'base64')
        fs.appendFile(filePath, audio, 'binary', err=>{
        })                  
        if (res_data.code == 0 && res_data.data.status == 2) {
            //状态为2才表示合成结束，需要合并           
            ws.close()
        }
    })

到这里就结束了，真的很简单但是为什么弄了这么久呢o(╥﹏╥)o