【已解决】试用微软Azure认知服务中语音服务的接口和效果

折腾：

【已解决】把产品demo中语音合成接口换成微软必应语音

期间，需要先去参考官网资料，用api测试工具，不如postman，先去测试是否能正常调用api。

回到：

https://azure.microsoft.com/zh-cn/services/cognitive-services/speech/

-》

https://azure.microsoft.com/zh-cn/try/cognitive-services/?api=speech-api

认知服务试用体验 | Microsoft Azure

【已解决】微软必应中必应语言和语音服务（预览版）的区别

https://azure.microsoft.com/zh-cn/services/cognitive-services/text-to-speech/

中的例子：

听起来，还凑合

大概搞懂了，那就先去试试：

语音服务 预览版

的

Use Text to Speech using Speech services – Microsoft Cognitive Services | Microsoft Docs

用接口，调用参数，需要使用SSML：

The Speech Synthesis Markup Language – Microsoft Cognitive Services | Microsoft Docs

也还要认证：

subscription key or a token

api选：

East Asia

https://eastasia.tts.speech.microsoft.com/cognitiveservices/v1

去这里找支持的语言：

Speech service supported languages – Microsoft Cognitive Services – Microsoft Cognitive Services | Microsoft Docs

去这里看，如何获取验证：

Speech service REST APIs | Microsoft Docs

去访问：

https://eastasia.api.cognitive.microsoft.com/sts/v1.0/issueToken

虽然试了试一个密钥，结果出错：

然后才注意到：

系统免费分配的api是westus的：

所以去换api的url

终结点: https://westus.api.cognitive.microsoft.com/sts/v1.0

然后是可以获取到token的：

POST https://westus.api.cognitive.microsoft.com/sts/v1.0/issueToken

Ocp-Apim-Subscription-Key:23xxxf8a

eyJ0eXAixxxxgx2s8U

上述返回的就是：

Java Web Token (JWT) format

JWT密钥

后续使用此JWT密钥是：

Authorization: Bearer xxx

去试试

结果返回空的：

也没报错

加了user-agent后，

看到了，是401

最后终于可以了：

westus tts cognitiveservices

POST https://westus.tts.speech.microsoft.com/cognitiveservices/v1

Content-Type: application/ssml+xml

X-Microsoft-OutputFormat: audio-16khz-128kbitrate-mono-mp3

Ocp-Apim-Subscription-Key: 23cxxxf8a

Authorization: Bearer exxx9.eyxxxJ9.OxxxQ-xxxU

Body:

<speak version=’1.0′ xmlns="http://www.w3.org/2001/10/synthesis" xml:lang=’en-US’>

    <voice  name=’Microsoft Server Speech Text to Speech Voice (en-US, Jessa24kRUS)’>

        <prosody rate="-30.00%" volume="+20.00%">

            i feel like you gonna love this story.

        </prosody>

    </voice>

</speak>

下载下来听了听：

感觉效果还不错

接着去试试别的人声和参数设置

<speak version=’1.0′ xmlns="http://www.w3.org/2001/10/synthesis" xml:lang=’en-US’>

    <voice  name=’Microsoft Server Speech Text to Speech Voice (en-US, Jessa24kRUS)’>

        <prosody rate="-30.00%" volume="+20.00%">

            i feel like you gonna love this story.

        </prosody>

    </voice>

</speak>

提高音量，降低朗读速度

也可以根据：

https://docs.microsoft.com/zh-cn/azure/cognitive-services/speech-service/supported-languages

去换成别的朗读人，比如：

"Microsoft Server Speech Text to Speech Voice (en-GB, Susan, Apollo)"

"Microsoft Server Speech Text to Speech Voice (en-US, ZiraRUS)”

"Microsoft Server Speech Text to Speech Voice (en-US, JessaRUS)"

然后剩下就是怎么集成到自己的Flask程序里了。

【后记】

后来看到：

SSML说明文档

-》发现SSML

语音合成标记语言（Speech Synthesis Markup Language, SSML）

原来是：

在语音合成领域比较通用的语言

不是微软自己一家的规范。

转载请注明：在路上 » 【已解决】试用微软Azure认知服务中语音服务的接口和效果