你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站,请访问 https://docs.azure.cn

快速入门:将文本转换为语音

参考文档 | 包 (NuGet) | GitHub 上的其他示例

使用 Azure AI 语音,可以运行一个应用程序,该应用程序合成类似人类的声音来读取文本。 可以更改语音,输入要说出的文本,然后在计算机的扬声器上收听输出。

提示

可以在 Speech Studio 语音库中试用文本转语音,无需注册或编写任何代码。

提示

尝试使用 Azure AI 语音工具包在 Visual Studio Code 上轻松生成并运行示例。

先决条件

设置环境

语音 SDK 以 NuGet 包的形式提供,实现了 .NET Standard 2.0。 稍后使用控制台安装本指南中的语音 SDK。 有关详细的安装说明,请参阅安装语音 SDK

设置环境变量

需要对应用程序进行身份验证才能访问 Azure AI 服务。 本文介绍如何使用环境变量来存储凭据。 然后,你可以从代码访问环境变量来验证应用程序。 对于生产环境,请使用更安全的方式来存储和访问凭据。

重要

我们建议使用 Azure 资源的托管标识进行 Microsoft Entra ID 身份验证,以避免将凭据随云中运行的应用程序一起存储。

如果使用 API 密钥,请将其安全地存储在其他某个位置,例如 Azure 密钥保管库中。 请不要直接在代码中包含 API 密钥,并且切勿公开发布该密钥。

有关 Azure AI 服务安全性的详细信息,请参阅对 Azure AI 服务的请求进行身份验证

若要为语音资源密钥和区域设置环境变量,请打开控制台窗口,并按照操作系统和开发环境的说明进行操作。

  • 要设置 SPEECH_KEY 环境变量,请将“your-key”替换为你的资源的某一个密钥。
  • 要设置 SPEECH_REGION 环境变量,请将 “your-region”替换为你的资源的某一个地区。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region

注意

如果你只需要访问当前控制台中的环境变量,可使用 set(而不是 setx)来设置环境变量。

添加环境变量后,你可能需要重启任何需要读取环境变量的程序(包括控制台窗口)。 例如,如果使用 Visual Studio 作为编辑器,请在运行示例之前重启 Visual Studio。

创建应用程序

按照以下步骤创建控制台应用程序并安装语音 SDK。

  1. 在需要新项目的文件夹中打开命令提示符窗口。 运行以下命令,使用 .NET CLI 创建控制台应用程序。

    dotnet new console
    

    该命令会在项目目录中创建 Program.cs 文件。

  2. 使用 .NET CLI 在新项目中安装语音 SDK。

    dotnet add package Microsoft.CognitiveServices.Speech
    
  3. Program.cs 的内容替换为以下代码。

    using System;
    using System.IO;
    using System.Threading.Tasks;
    using Microsoft.CognitiveServices.Speech;
    using Microsoft.CognitiveServices.Speech.Audio;
    
    class Program 
    {
        // This example requires environment variables named "SPEECH_KEY" and "SPEECH_REGION"
        static string speechKey = Environment.GetEnvironmentVariable("SPEECH_KEY");
        static string speechRegion = Environment.GetEnvironmentVariable("SPEECH_REGION");
    
        static void OutputSpeechSynthesisResult(SpeechSynthesisResult speechSynthesisResult, string text)
        {
            switch (speechSynthesisResult.Reason)
            {
                case ResultReason.SynthesizingAudioCompleted:
                    Console.WriteLine($"Speech synthesized for text: [{text}]");
                    break;
                case ResultReason.Canceled:
                    var cancellation = SpeechSynthesisCancellationDetails.FromResult(speechSynthesisResult);
                    Console.WriteLine($"CANCELED: Reason={cancellation.Reason}");
    
                    if (cancellation.Reason == CancellationReason.Error)
                    {
                        Console.WriteLine($"CANCELED: ErrorCode={cancellation.ErrorCode}");
                        Console.WriteLine($"CANCELED: ErrorDetails=[{cancellation.ErrorDetails}]");
                        Console.WriteLine($"CANCELED: Did you set the speech resource key and region values?");
                    }
                    break;
                default:
                    break;
            }
        }
    
        async static Task Main(string[] args)
        {
            var speechConfig = SpeechConfig.FromSubscription(speechKey, speechRegion);      
    
            // The neural multilingual voice can speak different languages based on the input text.
            speechConfig.SpeechSynthesisVoiceName = "en-US-AvaMultilingualNeural"; 
    
            using (var speechSynthesizer = new SpeechSynthesizer(speechConfig))
            {
                // Get text from the console and synthesize to the default speaker.
                Console.WriteLine("Enter some text that you want to speak >");
                string text = Console.ReadLine();
    
                var speechSynthesisResult = await speechSynthesizer.SpeakTextAsync(text);
                OutputSpeechSynthesisResult(speechSynthesisResult, text);
            }
    
            Console.WriteLine("Press any key to exit...");
            Console.ReadKey();
        }
    }
    
  4. 若要更改语音合成语言,请将 en-US-AvaMultilingualNeural 替换为另一种受支持的语音

    所有神经网络声音都是多语言的,并且能够流利地使用自己的语言和英语。 例如,如果英语的输入文本为“I'm excited to try text to speech”并且你设置了 es-ES-ElviraNeural 作为语言,则该文本将用带西班牙口音的英语讲出。 如果语音使用的不是输入文本的语言,则语音服务不会输出合成的音频。

  5. 运行新的控制台应用程序,开始将语音合成到默认扬声器。

    dotnet run
    

    重要

    请确保设置 SPEECH_KEYSPEECH_REGION 环境变量。 如果未设置这些变量,示例会失败并显示错误消息。

  6. 输入要朗读的一些文本。 例如,键入“我对尝试文本转语音非常兴奋”。 选择 Enter 键可听到合成的语音。

    Enter some text that you want to speak >
    I'm excited to try text to speech
    

注解

更多语音合成选项

此快速入门使用 SpeakTextAsync 操作合成你输入的简短文本块。 你还可以使用文件中的长格式文本,并更好地控制语音风格、韵律和其他设置。

Azure AI 语音中的 OpenAI 文本转语音

还支持 OpenAI 文本转语音。 请参阅 Azure AI 语音中的 OpenAI 文本转语音声音多语言语音。 可以将 en-US-AvaMultilingualNeural 替换为受支持的 OpenAI 语音名称,例如 en-US-FableMultilingualNeural

清理资源

可以使用 Azure 门户Azure 命令行接口 (CLI) 删除创建的语音资源。

参考文档 | 包 (NuGet) | GitHub 上的其他示例

使用 Azure AI 语音,可以运行一个应用程序,该应用程序合成类似人类的声音来读取文本。 可以更改语音,输入要说出的文本,然后在计算机的扬声器上收听输出。

提示

可以在 Speech Studio 语音库中试用文本转语音,无需注册或编写任何代码。

提示

尝试使用 Azure AI 语音工具包在 Visual Studio Code 上轻松生成并运行示例。

先决条件

设置环境

语音 SDK 以 NuGet 包的形式提供,实现了 .NET Standard 2.0。 稍后在本指南中安装语音 SDK。 有关详细的安装说明,请参阅安装语音 SDK

设置环境变量

需要对应用程序进行身份验证才能访问 Azure AI 服务。 本文介绍如何使用环境变量来存储凭据。 然后,你可以从代码访问环境变量来验证应用程序。 对于生产环境,请使用更安全的方式来存储和访问凭据。

重要

我们建议使用 Azure 资源的托管标识进行 Microsoft Entra ID 身份验证,以避免将凭据随云中运行的应用程序一起存储。

如果使用 API 密钥,请将其安全地存储在其他某个位置,例如 Azure 密钥保管库中。 请不要直接在代码中包含 API 密钥,并且切勿公开发布该密钥。

有关 Azure AI 服务安全性的详细信息,请参阅对 Azure AI 服务的请求进行身份验证

若要为语音资源密钥和区域设置环境变量,请打开控制台窗口,并按照操作系统和开发环境的说明进行操作。

  • 要设置 SPEECH_KEY 环境变量,请将“your-key”替换为你的资源的某一个密钥。
  • 要设置 SPEECH_REGION 环境变量,请将 “your-region”替换为你的资源的某一个地区。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region

注意

如果你只需要访问当前控制台中的环境变量,可使用 set(而不是 setx)来设置环境变量。

添加环境变量后,你可能需要重启任何需要读取环境变量的程序(包括控制台窗口)。 例如,如果使用 Visual Studio 作为编辑器,请在运行示例之前重启 Visual Studio。

创建应用程序

按照以下步骤创建控制台应用程序并安装语音 SDK。

  1. Visual Studio Community 中创建一个名为 SpeechSynthesis 的 C++ 控制台项目。

  2. SpeechSynthesis.cpp 的内容替换为以下代码:

    #include <iostream> 
    #include <stdlib.h>
    #include <speechapi_cxx.h>
    
    using namespace Microsoft::CognitiveServices::Speech;
    using namespace Microsoft::CognitiveServices::Speech::Audio;
    
    std::string GetEnvironmentVariable(const char* name);
    
    int main()
    {
        // This example requires environment variables named "SPEECH_KEY" and "SPEECH_REGION"
        auto speechKey = GetEnvironmentVariable("SPEECH_KEY");
        auto speechRegion = GetEnvironmentVariable("SPEECH_REGION");
    
        if ((size(speechKey) == 0) || (size(speechRegion) == 0)) {
            std::cout << "Please set both SPEECH_KEY and SPEECH_REGION environment variables." << std::endl;
            return -1;
        }
    
        auto speechConfig = SpeechConfig::FromSubscription(speechKey, speechRegion);
    
        // The neural multilingual voice can speak different languages based on the input text.
        speechConfig->SetSpeechSynthesisVoiceName("en-US-AvaMultilingualNeural");
    
        auto speechSynthesizer = SpeechSynthesizer::FromConfig(speechConfig);
    
        // Get text from the console and synthesize to the default speaker.
        std::cout << "Enter some text that you want to speak >" << std::endl;
        std::string text;
        getline(std::cin, text);
    
        auto result = speechSynthesizer->SpeakTextAsync(text).get();
    
        // Checks result.
        if (result->Reason == ResultReason::SynthesizingAudioCompleted)
        {
            std::cout << "Speech synthesized to speaker for text [" << text << "]" << std::endl;
        }
        else if (result->Reason == ResultReason::Canceled)
        {
            auto cancellation = SpeechSynthesisCancellationDetails::FromResult(result);
            std::cout << "CANCELED: Reason=" << (int)cancellation->Reason << std::endl;
    
            if (cancellation->Reason == CancellationReason::Error)
            {
                std::cout << "CANCELED: ErrorCode=" << (int)cancellation->ErrorCode << std::endl;
                std::cout << "CANCELED: ErrorDetails=[" << cancellation->ErrorDetails << "]" << std::endl;
                std::cout << "CANCELED: Did you set the speech resource key and region values?" << std::endl;
            }
        }
    
        std::cout << "Press enter to exit..." << std::endl;
        std::cin.get();
    }
    
    std::string GetEnvironmentVariable(const char* name)
    {
    #if defined(_MSC_VER)
        size_t requiredSize = 0;
        (void)getenv_s(&requiredSize, nullptr, 0, name);
        if (requiredSize == 0)
        {
            return "";
        }
        auto buffer = std::make_unique<char[]>(requiredSize);
        (void)getenv_s(&requiredSize, buffer.get(), requiredSize, name);
        return buffer.get();
    #else
        auto value = getenv(name);
        return value ? value : "";
    #endif
    }  
    
  3. 选择“工具”>“Nuget 包管理器”>“包管理器控制台”。 在包管理器控制台中,运行此命令:

    Install-Package Microsoft.CognitiveServices.Speech
    
  4. 若要更改语音合成语言,请将 en-US-AvaMultilingualNeural 替换为另一种受支持的语音

    所有神经网络声音都是多语言的,并且能够流利地使用自己的语言和英语。 例如,如果英语的输入文本为“I'm excited to try text to speech”并且你设置了 es-ES-ElviraNeural,则该文本将用带西班牙口音的英语讲出。 如果语音使用的不是输入文本的语言,则语音服务不会输出合成的音频。

  5. 构建并运行新的控制台应用程序,开始将语音合成到默认扬声器。

    重要

    请确保设置 SPEECH_KEYSPEECH_REGION 环境变量。 如果未设置这些变量,示例会失败并显示错误消息。

  6. 输入要朗读的一些文本。 例如,键入“我对尝试文本转语音非常兴奋”。 选择 Enter 键可听到合成的语音。

    Enter some text that you want to speak >
    I'm excited to try text to speech
    

注解

更多语音合成选项

此快速入门使用 SpeakTextAsync 操作合成你输入的简短文本块。 你还可以使用文件中的长格式文本,并更好地控制语音风格、韵律和其他设置。

Azure AI 语音中的 OpenAI 文本转语音

还支持 OpenAI 文本转语音。 请参阅 Azure AI 语音中的 OpenAI 文本转语音声音多语言语音。 可以将 en-US-AvaMultilingualNeural 替换为受支持的 OpenAI 语音名称,例如 en-US-FableMultilingualNeural

清理资源

可以使用 Azure 门户Azure 命令行接口 (CLI) 删除创建的语音资源。

参考文档 | 包 (Go) | GitHub 上的其他示例

使用 Azure AI 语音,可以运行一个应用程序,该应用程序合成类似人类的声音来读取文本。 可以更改语音,输入要说出的文本,然后在计算机的扬声器上收听输出。

提示

可以在 Speech Studio 语音库中试用文本转语音,无需注册或编写任何代码。

提示

尝试使用 Azure AI 语音工具包在 Visual Studio Code 上轻松生成并运行示例。

先决条件

设置环境

安装适用于 Go 语言的语音 SDK。 有关详细的安装说明,请参阅安装语音 SDK

设置环境变量

需要对应用程序进行身份验证才能访问 Azure AI 服务。 本文介绍如何使用环境变量来存储凭据。 然后,你可以从代码访问环境变量来验证应用程序。 对于生产环境,请使用更安全的方式来存储和访问凭据。

重要

我们建议使用 Azure 资源的托管标识进行 Microsoft Entra ID 身份验证,以避免将凭据随云中运行的应用程序一起存储。

如果使用 API 密钥,请将其安全地存储在其他某个位置,例如 Azure 密钥保管库中。 请不要直接在代码中包含 API 密钥,并且切勿公开发布该密钥。

有关 Azure AI 服务安全性的详细信息,请参阅对 Azure AI 服务的请求进行身份验证

若要为语音资源密钥和区域设置环境变量,请打开控制台窗口,并按照操作系统和开发环境的说明进行操作。

  • 要设置 SPEECH_KEY 环境变量,请将“your-key”替换为你的资源的某一个密钥。
  • 要设置 SPEECH_REGION 环境变量,请将 “your-region”替换为你的资源的某一个地区。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region

注意

如果你只需要访问当前控制台中的环境变量,可使用 set(而不是 setx)来设置环境变量。

添加环境变量后,你可能需要重启任何需要读取环境变量的程序(包括控制台窗口)。 例如,如果使用 Visual Studio 作为编辑器,请在运行示例之前重启 Visual Studio。

创建应用程序

按照以下步骤创建 Go 模块。

  1. 在需要新项目的文件夹中打开命令提示符窗口。 创建名为 speech-synthesis.go 的新文件。

  2. 将以下代码复制到 speech-synthesis.go 中:

    package main
    
    import (
        "bufio"
        "fmt"
        "os"
        "strings"
        "time"
    
        "github.com/Microsoft/cognitive-services-speech-sdk-go/audio"
        "github.com/Microsoft/cognitive-services-speech-sdk-go/common"
        "github.com/Microsoft/cognitive-services-speech-sdk-go/speech"
    )
    
    func synthesizeStartedHandler(event speech.SpeechSynthesisEventArgs) {
        defer event.Close()
        fmt.Println("Synthesis started.")
    }
    
    func synthesizingHandler(event speech.SpeechSynthesisEventArgs) {
        defer event.Close()
        fmt.Printf("Synthesizing, audio chunk size %d.\n", len(event.Result.AudioData))
    }
    
    func synthesizedHandler(event speech.SpeechSynthesisEventArgs) {
        defer event.Close()
        fmt.Printf("Synthesized, audio length %d.\n", len(event.Result.AudioData))
    }
    
    func cancelledHandler(event speech.SpeechSynthesisEventArgs) {
        defer event.Close()
        fmt.Println("Received a cancellation.")
    }
    
    func main() {
        // This example requires environment variables named "SPEECH_KEY" and "SPEECH_REGION"
        speechKey :=  os.Getenv("SPEECH_KEY")
        speechRegion := os.Getenv("SPEECH_REGION")
    
        audioConfig, err := audio.NewAudioConfigFromDefaultSpeakerOutput()
        if err != nil {
            fmt.Println("Got an error: ", err)
            return
        }
        defer audioConfig.Close()
        speechConfig, err := speech.NewSpeechConfigFromSubscription(speechKey, speechRegion)
        if err != nil {
            fmt.Println("Got an error: ", err)
            return
        }
        defer speechConfig.Close()
    
        speechConfig.SetSpeechSynthesisVoiceName("en-US-AvaMultilingualNeural")
    
        speechSynthesizer, err := speech.NewSpeechSynthesizerFromConfig(speechConfig, audioConfig)
        if err != nil {
            fmt.Println("Got an error: ", err)
            return
        }
        defer speechSynthesizer.Close()
    
        speechSynthesizer.SynthesisStarted(synthesizeStartedHandler)
        speechSynthesizer.Synthesizing(synthesizingHandler)
        speechSynthesizer.SynthesisCompleted(synthesizedHandler)
        speechSynthesizer.SynthesisCanceled(cancelledHandler)
    
        for {
            fmt.Printf("Enter some text that you want to speak, or enter empty text to exit.\n> ")
            text, _ := bufio.NewReader(os.Stdin).ReadString('\n')
            text = strings.TrimSuffix(text, "\n")
            if len(text) == 0 {
                break
            }
    
            task := speechSynthesizer.SpeakTextAsync(text)
            var outcome speech.SpeechSynthesisOutcome
            select {
            case outcome = <-task:
            case <-time.After(60 * time.Second):
                fmt.Println("Timed out")
                return
            }
            defer outcome.Close()
            if outcome.Error != nil {
                fmt.Println("Got an error: ", outcome.Error)
                return
            }
    
            if outcome.Result.Reason == common.SynthesizingAudioCompleted {
                fmt.Printf("Speech synthesized to speaker for text [%s].\n", text)
            } else {
                cancellation, _ := speech.NewCancellationDetailsFromSpeechSynthesisResult(outcome.Result)
                fmt.Printf("CANCELED: Reason=%d.\n", cancellation.Reason)
    
                if cancellation.Reason == common.Error {
                    fmt.Printf("CANCELED: ErrorCode=%d\nCANCELED: ErrorDetails=[%s]\nCANCELED: Did you set the speech resource key and region values?\n",
                        cancellation.ErrorCode,
                        cancellation.ErrorDetails)
                }
            }
        }
    }
    
  3. 若要更改语音合成语言,请将 en-US-AvaMultilingualNeural 替换为另一种受支持的语音

    所有神经网络声音都是多语言的,并且能够流利地使用自己的语言和英语。 例如,如果英语的输入文本为“I'm excited to try text to speech”并且你设置了 es-ES-ElviraNeural,则该文本将用带西班牙口音的英语讲出。 如果语音使用的不是输入文本的语言,则语音服务不会输出合成的音频。

  4. 运行以下命令,创建一个 go.mod 文件并使其关联到 GitHub 上托管的组件:

    go mod init speech-synthesis
    go get github.com/Microsoft/cognitive-services-speech-sdk-go
    

    重要

    请确保设置 SPEECH_KEYSPEECH_REGION 环境变量。 如果未设置这些变量,示例会失败并显示错误消息。

  5. 现在生成并运行代码:

    go build
    go run speech-synthesis
    

注解

Azure AI 语音中的 OpenAI 文本转语音

还支持 OpenAI 文本转语音。 请参阅 Azure AI 语音中的 OpenAI 文本转语音声音多语言语音。 可以将 en-US-AvaMultilingualNeural 替换为受支持的 OpenAI 语音名称,例如 en-US-FableMultilingualNeural

清理资源

可以使用 Azure 门户Azure 命令行接口 (CLI) 删除创建的语音资源。

参考文档 | GitHub 上的其他示例

使用 Azure AI 语音,可以运行一个应用程序,该应用程序合成类似人类的声音来读取文本。 可以更改语音,输入要说出的文本,然后在计算机的扬声器上收听输出。

提示

可以在 Speech Studio 语音库中试用文本转语音,无需注册或编写任何代码。

提示

尝试使用 Azure AI 语音工具包在 Visual Studio Code 上轻松生成并运行示例。

先决条件

设置环境

若要设置环境,请安装语音 SDK。 本快速入门中的示例适用于 Java 运行时。

  1. 安装 Apache Maven。 然后运行 mvn -v 以确认安装成功。

  2. 在项目的根目录中创建一个 pom.xml 文件,并将以下代码复制到其中:

    <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
        <modelVersion>4.0.0</modelVersion>
        <groupId>com.microsoft.cognitiveservices.speech.samples</groupId>
        <artifactId>quickstart-eclipse</artifactId>
        <version>1.0.0-SNAPSHOT</version>
        <build>
            <sourceDirectory>src</sourceDirectory>
            <plugins>
            <plugin>
                <artifactId>maven-compiler-plugin</artifactId>
                <version>3.7.0</version>
                <configuration>
                <source>1.8</source>
                <target>1.8</target>
                </configuration>
            </plugin>
            </plugins>
        </build>
        <dependencies>
            <dependency>
            <groupId>com.microsoft.cognitiveservices.speech</groupId>
            <artifactId>client-sdk</artifactId>
            <version>1.40.0</version>
            </dependency>
        </dependencies>
    </project>
    
  3. 安装语音 SDK 和依赖项。

    mvn clean dependency:copy-dependencies
    

设置环境变量。

需要对应用程序进行身份验证才能访问 Azure AI 服务。 本文介绍如何使用环境变量来存储凭据。 然后,你可以从代码访问环境变量来验证应用程序。 对于生产环境,请使用更安全的方式来存储和访问凭据。

重要

我们建议使用 Azure 资源的托管标识进行 Microsoft Entra ID 身份验证,以避免将凭据随云中运行的应用程序一起存储。

如果使用 API 密钥,请将其安全地存储在其他某个位置,例如 Azure 密钥保管库中。 请不要直接在代码中包含 API 密钥,并且切勿公开发布该密钥。

有关 Azure AI 服务安全性的详细信息,请参阅对 Azure AI 服务的请求进行身份验证

若要为语音资源密钥和区域设置环境变量,请打开控制台窗口,并按照操作系统和开发环境的说明进行操作。

  • 要设置 SPEECH_KEY 环境变量,请将“your-key”替换为你的资源的某一个密钥。
  • 要设置 SPEECH_REGION 环境变量,请将 “your-region”替换为你的资源的某一个地区。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region

注意

如果你只需要访问当前控制台中的环境变量,可使用 set(而不是 setx)来设置环境变量。

添加环境变量后,你可能需要重启任何需要读取环境变量的程序(包括控制台窗口)。 例如,如果使用 Visual Studio 作为编辑器,请在运行示例之前重启 Visual Studio。

创建应用程序

按照以下步骤创建用于语音识别的控制台应用程序。

  1. 在同一项目根目录中创建名为 SpeechSynthesis.java 的文件。

  2. 将以下代码复制到 SpeechSynthesis.java 中:

    import com.microsoft.cognitiveservices.speech.*;
    import com.microsoft.cognitiveservices.speech.audio.*;
    
    import java.util.Scanner;
    import java.util.concurrent.ExecutionException;
    
    public class SpeechSynthesis {
        // This example requires environment variables named "SPEECH_KEY" and "SPEECH_REGION"
        private static String speechKey = System.getenv("SPEECH_KEY");
        private static String speechRegion = System.getenv("SPEECH_REGION");
    
        public static void main(String[] args) throws InterruptedException, ExecutionException {
            SpeechConfig speechConfig = SpeechConfig.fromSubscription(speechKey, speechRegion);
    
            speechConfig.setSpeechSynthesisVoiceName("en-US-AvaMultilingualNeural"); 
    
            SpeechSynthesizer speechSynthesizer = new SpeechSynthesizer(speechConfig);
    
            // Get text from the console and synthesize to the default speaker.
            System.out.println("Enter some text that you want to speak >");
            String text = new Scanner(System.in).nextLine();
            if (text.isEmpty())
            {
                return;
            }
    
            SpeechSynthesisResult speechSynthesisResult = speechSynthesizer.SpeakTextAsync(text).get();
    
            if (speechSynthesisResult.getReason() == ResultReason.SynthesizingAudioCompleted) {
                System.out.println("Speech synthesized to speaker for text [" + text + "]");
            }
            else if (speechSynthesisResult.getReason() == ResultReason.Canceled) {
                SpeechSynthesisCancellationDetails cancellation = SpeechSynthesisCancellationDetails.fromResult(speechSynthesisResult);
                System.out.println("CANCELED: Reason=" + cancellation.getReason());
    
                if (cancellation.getReason() == CancellationReason.Error) {
                    System.out.println("CANCELED: ErrorCode=" + cancellation.getErrorCode());
                    System.out.println("CANCELED: ErrorDetails=" + cancellation.getErrorDetails());
                    System.out.println("CANCELED: Did you set the speech resource key and region values?");
                }
            }
    
            System.exit(0);
        }
    }
    
  3. 若要更改语音合成语言,请将 en-US-AvaMultilingualNeural 替换为另一种受支持的语音

    所有神经网络声音都是多语言的,并且能够流利地使用自己的语言和英语。 例如,如果英语的输入文本为“I'm excited to try text to speech”并且你设置了 es-ES-ElviraNeural,则该文本将用带西班牙口音的英语讲出。 如果语音使用的不是输入文本的语言,则语音服务不会输出合成的音频。

  4. 运行控制台应用程序,将语音合成输出到默认扬声器。

    javac SpeechSynthesis.java -cp ".;target\dependency\*"
    java -cp ".;target\dependency\*" SpeechSynthesis
    

    重要

    请确保设置 SPEECH_KEYSPEECH_REGION 环境变量。 如果未设置这些变量,示例会失败并显示错误消息。

  5. 输入要朗读的一些文本。 例如,键入“我对尝试文本转语音非常兴奋”。 选择 Enter 键可听到合成的语音。

    Enter some text that you want to speak >
    I'm excited to try text to speech
    

注解

更多语音合成选项

此快速入门使用 SpeakTextAsync 操作合成你输入的简短文本块。 你还可以使用文件中的长格式文本,并更好地控制语音风格、韵律和其他设置。

Azure AI 语音中的 OpenAI 文本转语音

还支持 OpenAI 文本转语音。 请参阅 Azure AI 语音中的 OpenAI 文本转语音声音多语言语音。 可以将 en-US-AvaMultilingualNeural 替换为受支持的 OpenAI 语音名称,例如 en-US-FableMultilingualNeural

清理资源

可以使用 Azure 门户Azure 命令行接口 (CLI) 删除创建的语音资源。

参考文档 | 包 (npm) | GitHub 上的其他示例 | 库源代码

使用 Azure AI 语音,可以运行一个应用程序,该应用程序合成类似人类的声音来读取文本。 可以更改语音,输入要说出的文本,然后在计算机的扬声器上收听输出。

提示

可以在 Speech Studio 语音库中试用文本转语音,无需注册或编写任何代码。

提示

尝试使用 Azure AI 语音工具包在 Visual Studio Code 上轻松生成并运行示例。

先决条件

设置环境

如要设置环境,请安装适用于 JavaScript 的语音 SDK。 如果只是需要用于安装的包名称,请运行 npm install microsoft-cognitiveservices-speech-sdk。 有关详细的安装说明,请参阅安装语音 SDK

设置环境变量

需要对应用程序进行身份验证才能访问 Azure AI 服务。 本文介绍如何使用环境变量来存储凭据。 然后,你可以从代码访问环境变量来验证应用程序。 对于生产环境,请使用更安全的方式来存储和访问凭据。

重要

我们建议使用 Azure 资源的托管标识进行 Microsoft Entra ID 身份验证,以避免将凭据随云中运行的应用程序一起存储。

如果使用 API 密钥,请将其安全地存储在其他某个位置,例如 Azure 密钥保管库中。 请不要直接在代码中包含 API 密钥,并且切勿公开发布该密钥。

有关 Azure AI 服务安全性的详细信息,请参阅对 Azure AI 服务的请求进行身份验证

若要为语音资源密钥和区域设置环境变量,请打开控制台窗口,并按照操作系统和开发环境的说明进行操作。

  • 要设置 SPEECH_KEY 环境变量,请将“your-key”替换为你的资源的某一个密钥。
  • 要设置 SPEECH_REGION 环境变量,请将 “your-region”替换为你的资源的某一个地区。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region

注意

如果你只需要访问当前控制台中的环境变量,可使用 set(而不是 setx)来设置环境变量。

添加环境变量后,你可能需要重启任何需要读取环境变量的程序(包括控制台窗口)。 例如,如果使用 Visual Studio 作为编辑器,请在运行示例之前重启 Visual Studio。

创建应用程序

按照以下步骤创建用于语音合成的 Node.js 控制台应用程序。

  1. 打开需要新项目的控制台窗口,并创建名为 SpeechSynthesis.js 的文件。

  2. 安装适用于 JavaScript 的语音 SDK:

    npm install microsoft-cognitiveservices-speech-sdk
    
  3. 将以下代码复制到 SpeechSynthesis.js

    (function() {
    
        "use strict";
    
        var sdk = require("microsoft-cognitiveservices-speech-sdk");
        var readline = require("readline");
    
        var audioFile = "YourAudioFile.wav";
        // This example requires environment variables named "SPEECH_KEY" and "SPEECH_REGION"
        const speechConfig = sdk.SpeechConfig.fromSubscription(process.env.SPEECH_KEY, process.env.SPEECH_REGION);
        const audioConfig = sdk.AudioConfig.fromAudioFileOutput(audioFile);
    
        // The language of the voice that speaks.
        speechConfig.speechSynthesisVoiceName = "en-US-AvaMultilingualNeural"; 
    
        // Create the speech synthesizer.
        var synthesizer = new sdk.SpeechSynthesizer(speechConfig, audioConfig);
    
        var rl = readline.createInterface({
          input: process.stdin,
          output: process.stdout
        });
    
        rl.question("Enter some text that you want to speak >\n> ", function (text) {
          rl.close();
          // Start the synthesizer and wait for a result.
          synthesizer.speakTextAsync(text,
              function (result) {
            if (result.reason === sdk.ResultReason.SynthesizingAudioCompleted) {
              console.log("synthesis finished.");
            } else {
              console.error("Speech synthesis canceled, " + result.errorDetails +
                  "\nDid you set the speech resource key and region values?");
            }
            synthesizer.close();
            synthesizer = null;
          },
              function (err) {
            console.trace("err - " + err);
            synthesizer.close();
            synthesizer = null;
          });
          console.log("Now synthesizing to: " + audioFile);
        });
    }());
    
  4. SpeechSynthesis.js 中,可以选择将 YourAudioFile.wav 重命名为另一个输出文件名。

  5. 若要更改语音合成语言,请将 en-US-AvaMultilingualNeural 替换为另一种受支持的语音

    所有神经网络声音都是多语言的,并且能够流利地使用自己的语言和英语。 例如,如果英语的输入文本为“I'm excited to try text to speech”并且你设置了 es-ES-ElviraNeural,则该文本将用带西班牙口音的英语讲出。 如果语音使用的不是输入文本的语言,则语音服务不会输出合成的音频。

  6. 运行控制台应用程序,开始将语音合成输出到文件:

    node SpeechSynthesis.js
    

    重要

    请确保设置 SPEECH_KEYSPEECH_REGION 环境变量。 如果未设置这些变量,示例会失败并显示错误消息。

  7. 提供的文本应位于音频文件中:

    Enter some text that you want to speak >
    > I'm excited to try text to speech
    Now synthesizing to: YourAudioFile.wav
    synthesis finished.
    

注解

更多语音合成选项

此快速入门使用 SpeakTextAsync 操作合成你输入的简短文本块。 你还可以使用文件中的长格式文本,并更好地控制语音风格、韵律和其他设置。

Azure AI 语音中的 OpenAI 文本转语音

还支持 OpenAI 文本转语音。 请参阅 Azure AI 语音中的 OpenAI 文本转语音声音多语言语音。 可以将 en-US-AvaMultilingualNeural 替换为受支持的 OpenAI 语音名称,例如 en-US-FableMultilingualNeural

清理资源

可以使用 Azure 门户Azure 命令行接口 (CLI) 删除创建的语音资源。

参考文档 | 包(下载) | GitHub 上的其他示例

使用 Azure AI 语音,可以运行一个应用程序,该应用程序合成类似人类的声音来读取文本。 可以更改语音,输入要说出的文本,然后在计算机的扬声器上收听输出。

提示

可以在 Speech Studio 语音库中试用文本转语音,无需注册或编写任何代码。

提示

尝试使用 Azure AI 语音工具包在 Visual Studio Code 上轻松生成并运行示例。

先决条件

设置环境

适用于 Objective-C 的语音 SDK 目前以框架捆绑包的形式分发。 框架同时在 iOS 和 macOS 上支持 Objective-C 和 Swift。

可在 Xcode 项目中将语音 SDK 用作 CocoaPod,也可以直接下载并手动与其建立链接。 本指南使用 CocoaPod。 根据安装说明中所述,安装 CocoaPod 依赖项管理器。

设置环境变量。

需要对应用程序进行身份验证才能访问 Azure AI 服务。 本文介绍如何使用环境变量来存储凭据。 然后,你可以从代码访问环境变量来验证应用程序。 对于生产环境,请使用更安全的方式来存储和访问凭据。

重要

我们建议使用 Azure 资源的托管标识进行 Microsoft Entra ID 身份验证,以避免将凭据随云中运行的应用程序一起存储。

如果使用 API 密钥,请将其安全地存储在其他某个位置,例如 Azure 密钥保管库中。 请不要直接在代码中包含 API 密钥,并且切勿公开发布该密钥。

有关 Azure AI 服务安全性的详细信息,请参阅对 Azure AI 服务的请求进行身份验证

若要为语音资源密钥和区域设置环境变量,请打开控制台窗口,并按照操作系统和开发环境的说明进行操作。

  • 要设置 SPEECH_KEY 环境变量,请将“your-key”替换为你的资源的某一个密钥。
  • 要设置 SPEECH_REGION 环境变量,请将 “your-region”替换为你的资源的某一个地区。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region

注意

如果你只需要访问当前控制台中的环境变量,可使用 set(而不是 setx)来设置环境变量。

添加环境变量后,你可能需要重启任何需要读取环境变量的程序(包括控制台窗口)。 例如,如果使用 Visual Studio 作为编辑器,请在运行示例之前重启 Visual Studio。

创建应用程序

按照以下步骤在 macOS 应用程序中合成语音。

  1. 克隆 Azure-Samples/cognitive-services-speech-sdk 存储库,以获取在 macOS 上的 Objective-C 中使用语音 SDK 来合成音频示例项目。 此存储库还包含 iOS 示例。

  2. 在终端中打开下载的示例应用 (helloworld) 的目录。

  3. 运行 pod install 命令。 此命令生成一个 helloworld.xcworkspace Xcode 工作区,其中包含示例应用以及用作依赖项的语音 SDK。

  4. 在 Xcode 中打开 helloworld.xcworkspace 工作区。

  5. 打开名为 AppDelegate.m 的文件,并找到 buttonPressed 方法,如下所示。

    - (void)buttonPressed:(NSButton *)button {
        // Creates an instance of a speech config with specified subscription key and service region.
        NSString *speechKey = [[[NSProcessInfo processInfo] environment] objectForKey:@"SPEECH_KEY"];
        NSString *serviceRegion = [[[NSProcessInfo processInfo] environment] objectForKey:@"SPEECH_REGION"];
    
        SPXSpeechConfiguration *speechConfig = [[SPXSpeechConfiguration alloc] initWithSubscription:speechKey region:serviceRegion];
        speechConfig.speechSynthesisVoiceName = @"en-US-AvaMultilingualNeural";
        SPXSpeechSynthesizer *speechSynthesizer = [[SPXSpeechSynthesizer alloc] init:speechConfig];
    
        NSLog(@"Start synthesizing...");
    
        SPXSpeechSynthesisResult *speechResult = [speechSynthesizer speakText:[self.textField stringValue]];
    
        // Checks result.
        if (SPXResultReason_Canceled == speechResult.reason) {
            SPXSpeechSynthesisCancellationDetails *details = [[SPXSpeechSynthesisCancellationDetails alloc] initFromCanceledSynthesisResult:speechResult];
            NSLog(@"Speech synthesis was canceled: %@. Did you set the speech resource key and region values?", details.errorDetails);
        } else if (SPXResultReason_SynthesizingAudioCompleted == speechResult.reason) {
            NSLog(@"Speech synthesis was completed");
        } else {
            NSLog(@"There was an error.");
        }
    }
    
  6. 在 AppDelegate.m 中,使用先前为语音资源密钥和区域设置的环境变量

    NSString *speechKey = [[[NSProcessInfo processInfo] environment] objectForKey:@"SPEECH_KEY"];
    NSString *serviceRegion = [[[NSProcessInfo processInfo] environment] objectForKey:@"SPEECH_REGION"];
    
  7. (可选)在 AppDelegate.m 中,加入语音合成语音名称,如下所示:

    speechConfig.speechSynthesisVoiceName = @"en-US-AvaMultilingualNeural";
    
  8. 若要更改语音合成语言,请将 en-US-AvaMultilingualNeural 替换为另一种受支持的语音

    所有神经网络声音都是多语言的,并且能够流利地使用自己的语言和英语。 例如,如果英语的输入文本为“I'm excited to try text to speech”并且你设置了 es-ES-ElviraNeural,则该文本将用带西班牙口音的英语讲出。 如果语音使用的不是输入文本的语言,则语音服务不会输出合成的音频。

  9. 要使调试输出可见,请选择“视图”>“调试区域”>“激活控制台”。

  10. 若要生成并运行示例代码,在菜单中选择“产品”>“运行”,或者选择“播放”按钮

    重要

    请确保设置 SPEECH_KEYSPEECH_REGION 环境变量。 如果未设置这些变量,示例会失败并显示错误消息。

在应用中输入一些文本并选择该按钮后,你应该会听到播放的合成音频。

注解

更多语音合成选项

此快速入门使用 SpeakText 操作合成你输入的简短文本块。 你还可以使用文件中的长格式文本,并更好地控制语音风格、韵律和其他设置。

Azure AI 语音中的 OpenAI 文本转语音

还支持 OpenAI 文本转语音。 请参阅 Azure AI 语音中的 OpenAI 文本转语音声音多语言语音。 可以将 en-US-AvaMultilingualNeural 替换为受支持的 OpenAI 语音名称,例如 en-US-FableMultilingualNeural

清理资源

可以使用 Azure 门户Azure 命令行接口 (CLI) 删除创建的语音资源。

参考文档 | 包(下载) | GitHub 上的其他示例

使用 Azure AI 语音,可以运行一个应用程序,该应用程序合成类似人类的声音来读取文本。 可以更改语音,输入要说出的文本,然后在计算机的扬声器上收听输出。

提示

可以在 Speech Studio 语音库中试用文本转语音,无需注册或编写任何代码。

提示

尝试使用 Azure AI 语音工具包在 Visual Studio Code 上轻松生成并运行示例。

先决条件

设置环境

适用于 Swift 的语音 SDK 目前以框架捆绑包的形式分发。 框架同时在 iOS 和 macOS 上支持 Objective-C 和 Swift。

可在 Xcode 项目中将语音 SDK 用作 CocoaPod,也可以直接下载并手动与其建立链接。 本指南使用 CocoaPod。 根据安装说明中所述,安装 CocoaPod 依赖项管理器。

设置环境变量。

需要对应用程序进行身份验证才能访问 Azure AI 服务。 本文介绍如何使用环境变量来存储凭据。 然后,你可以从代码访问环境变量来验证应用程序。 对于生产环境,请使用更安全的方式来存储和访问凭据。

重要

我们建议使用 Azure 资源的托管标识进行 Microsoft Entra ID 身份验证,以避免将凭据随云中运行的应用程序一起存储。

如果使用 API 密钥,请将其安全地存储在其他某个位置,例如 Azure 密钥保管库中。 请不要直接在代码中包含 API 密钥,并且切勿公开发布该密钥。

有关 Azure AI 服务安全性的详细信息,请参阅对 Azure AI 服务的请求进行身份验证

若要为语音资源密钥和区域设置环境变量,请打开控制台窗口,并按照操作系统和开发环境的说明进行操作。

  • 要设置 SPEECH_KEY 环境变量,请将“your-key”替换为你的资源的某一个密钥。
  • 要设置 SPEECH_REGION 环境变量,请将 “your-region”替换为你的资源的某一个地区。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region

注意

如果你只需要访问当前控制台中的环境变量,可使用 set(而不是 setx)来设置环境变量。

添加环境变量后,你可能需要重启任何需要读取环境变量的程序(包括控制台窗口)。 例如,如果使用 Visual Studio 作为编辑器,请在运行示例之前重启 Visual Studio。

创建应用程序

按照以下步骤在 macOS 应用程序中合成语音。

  1. 克隆 Azure-Samples/cognitive-services-speech-sdk 存储库,以获取在 macOS 上的 Swift 中使用语音 SDK 来合成音频示例项目。 此存储库还包含 iOS 示例。

  2. 在终端中导航到已下载的示例应用 (helloworld) 的目录。

  3. 运行 pod install 命令。 此命令生成一个 helloworld.xcworkspace Xcode 工作区,其中包含示例应用以及用作依赖项的语音 SDK。

  4. 在 Xcode 中打开 helloworld.xcworkspace 工作区。

  5. 打开名为 AppDelegate.swift 的文件,并找到 applicationDidFinishLaunchingsynthesize 方法,如下所示。

    import Cocoa
    
    @NSApplicationMain
    class AppDelegate: NSObject, NSApplicationDelegate, NSTextFieldDelegate {
        var textField: NSTextField!
        var synthesisButton: NSButton!
    
        var inputText: String!
    
        var sub: String!
        var region: String!
    
        @IBOutlet weak var window: NSWindow!
    
        func applicationDidFinishLaunching(_ aNotification: Notification) {
            print("loading")
            // load subscription information
            sub = ProcessInfo.processInfo.environment["SPEECH_KEY"]
            region = ProcessInfo.processInfo.environment["SPEECH_REGION"]
    
            inputText = ""
    
            textField = NSTextField(frame: NSRect(x: 100, y: 200, width: 200, height: 50))
            textField.textColor = NSColor.black
            textField.lineBreakMode = .byWordWrapping
    
            textField.placeholderString = "Type something to synthesize."
            textField.delegate = self
    
            self.window.contentView?.addSubview(textField)
    
            synthesisButton = NSButton(frame: NSRect(x: 100, y: 100, width: 200, height: 30))
            synthesisButton.title = "Synthesize"
            synthesisButton.target = self
            synthesisButton.action = #selector(synthesisButtonClicked)
            self.window.contentView?.addSubview(synthesisButton)
        }
    
        @objc func synthesisButtonClicked() {
            DispatchQueue.global(qos: .userInitiated).async {
                self.synthesize()
            }
        }
    
        func synthesize() {
            var speechConfig: SPXSpeechConfiguration?
            do {
                try speechConfig = SPXSpeechConfiguration(subscription: sub, region: region)
            } catch {
                print("error \(error) happened")
                speechConfig = nil
            }
    
            speechConfig?.speechSynthesisVoiceName = "en-US-AvaMultilingualNeural";
    
            let synthesizer = try! SPXSpeechSynthesizer(speechConfig!)
            let result = try! synthesizer.speakText(inputText)
            if result.reason == SPXResultReason.canceled
            {
                let cancellationDetails = try! SPXSpeechSynthesisCancellationDetails(fromCanceledSynthesisResult: result)
                print("cancelled, error code: \(cancellationDetails.errorCode) detail: \(cancellationDetails.errorDetails!) ")
                print("Did you set the speech resource key and region values?");
                return
            }
        }
    
        func controlTextDidChange(_ obj: Notification) {
            let textFiled = obj.object as! NSTextField
            inputText = textFiled.stringValue
        }
    }
    
  6. 在 AppDelegate.m 中,使用先前为语音资源密钥和区域设置的环境变量

    sub = ProcessInfo.processInfo.environment["SPEECH_KEY"]
    region = ProcessInfo.processInfo.environment["SPEECH_REGION"]
    
  7. (可选)在 AppDelegate.m 中,加入语音合成语音名称,如下所示:

    speechConfig?.speechSynthesisVoiceName = "en-US-AvaMultilingualNeural";
    
  8. 若要更改语音合成语言,请将 en-US-AvaMultilingualNeural 替换为另一种受支持的语音

    所有神经网络声音都是多语言的,并且能够流利地使用自己的语言和英语。 例如,如果英语的输入文本为“I'm excited to try text to speech”并且你设置了 es-ES-ElviraNeural,则该文本将用带西班牙口音的英语讲出。 如果语音使用的不是输入文本的语言,则语音服务不会输出合成的音频。

  9. 要使调试输出可见,请选择“视图”>“调试区域”>“激活控制台”。

  10. 若要生成并运行示例代码,在菜单中选择“产品”>“运行”,或者选择“播放”按钮

重要

请确保设置 SPEECH_KEYSPEECH_REGION 环境变量。 如果未设置这些变量,示例会失败并显示错误消息。

在应用中输入一些文本并选择该按钮后,你应该会听到播放的合成音频。

注解

更多语音合成选项

此快速入门使用 SpeakText 操作合成你输入的简短文本块。 你还可以使用文件中的长格式文本,并更好地控制语音风格、韵律和其他设置。

Azure AI 语音中的 OpenAI 文本转语音

还支持 OpenAI 文本转语音。 请参阅 Azure AI 语音中的 OpenAI 文本转语音声音多语言语音。 可以将 en-US-AvaMultilingualNeural 替换为受支持的 OpenAI 语音名称,例如 en-US-FableMultilingualNeural

清理资源

可以使用 Azure 门户Azure 命令行接口 (CLI) 删除创建的语音资源。

参考文档 | 包 (PyPi) | GitHub 上的其他示例

使用 Azure AI 语音,可以运行一个应用程序,该应用程序合成类似人类的声音来读取文本。 可以更改语音,输入要说出的文本,然后在计算机的扬声器上收听输出。

提示

可以在 Speech Studio 语音库中试用文本转语音,无需注册或编写任何代码。

提示

尝试使用 Azure AI 语音工具包在 Visual Studio Code 上轻松生成并运行示例。

先决条件

设置环境

适用于 Python 的语音 SDK 可用作 Python 包索引 (PyPI) 模块。 适用于 Python 的语音 SDK 与 Windows、Linux 和 macOS 兼容。

安装从 3.7 开始或更高版本的 Python。 有关任何要求,请参阅安装语音 SDK

设置环境变量

需要对应用程序进行身份验证才能访问 Azure AI 服务。 本文介绍如何使用环境变量来存储凭据。 然后,你可以从代码访问环境变量来验证应用程序。 对于生产环境,请使用更安全的方式来存储和访问凭据。

重要

我们建议使用 Azure 资源的托管标识进行 Microsoft Entra ID 身份验证,以避免将凭据随云中运行的应用程序一起存储。

如果使用 API 密钥,请将其安全地存储在其他某个位置,例如 Azure 密钥保管库中。 请不要直接在代码中包含 API 密钥,并且切勿公开发布该密钥。

有关 Azure AI 服务安全性的详细信息,请参阅对 Azure AI 服务的请求进行身份验证

若要为语音资源密钥和区域设置环境变量,请打开控制台窗口,并按照操作系统和开发环境的说明进行操作。

  • 要设置 SPEECH_KEY 环境变量,请将“your-key”替换为你的资源的某一个密钥。
  • 要设置 SPEECH_REGION 环境变量,请将 “your-region”替换为你的资源的某一个地区。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region

注意

如果你只需要访问当前控制台中的环境变量,可使用 set(而不是 setx)来设置环境变量。

添加环境变量后,你可能需要重启任何需要读取环境变量的程序(包括控制台窗口)。 例如,如果使用 Visual Studio 作为编辑器,请在运行示例之前重启 Visual Studio。

创建应用程序

按照以下步骤创建控制台应用程序。

  1. 在需要新项目的文件夹中打开命令提示符窗口。 创建名为 speech_synthesis.py 的文件。

  2. 运行此命令以安装语音 SDK:

    pip install azure-cognitiveservices-speech
    
  3. 将以下代码复制到 speech_synthesis.py

    import os
    import azure.cognitiveservices.speech as speechsdk
    
    # This example requires environment variables named "SPEECH_KEY" and "SPEECH_REGION"
    speech_config = speechsdk.SpeechConfig(subscription=os.environ.get('SPEECH_KEY'), region=os.environ.get('SPEECH_REGION'))
    audio_config = speechsdk.audio.AudioOutputConfig(use_default_speaker=True)
    
    # The neural multilingual voice can speak different languages based on the input text.
    speech_config.speech_synthesis_voice_name='en-US-AvaMultilingualNeural'
    
    speech_synthesizer = speechsdk.SpeechSynthesizer(speech_config=speech_config, audio_config=audio_config)
    
    # Get text from the console and synthesize to the default speaker.
    print("Enter some text that you want to speak >")
    text = input()
    
    speech_synthesis_result = speech_synthesizer.speak_text_async(text).get()
    
    if speech_synthesis_result.reason == speechsdk.ResultReason.SynthesizingAudioCompleted:
        print("Speech synthesized for text [{}]".format(text))
    elif speech_synthesis_result.reason == speechsdk.ResultReason.Canceled:
        cancellation_details = speech_synthesis_result.cancellation_details
        print("Speech synthesis canceled: {}".format(cancellation_details.reason))
        if cancellation_details.reason == speechsdk.CancellationReason.Error:
            if cancellation_details.error_details:
                print("Error details: {}".format(cancellation_details.error_details))
                print("Did you set the speech resource key and region values?")
    
  4. 若要更改语音合成语言,请将 en-US-AvaMultilingualNeural 替换为另一种受支持的语音

    所有神经网络声音都是多语言的,并且能够流利地使用自己的语言和英语。 例如,如果英语的输入文本为“I'm excited to try text to speech”并且你设置了 es-ES-ElviraNeural,则该文本将用带西班牙口音的英语讲出。 如果语音使用的不是输入文本的语言,则语音服务不会输出合成的音频。

  5. 运行新的控制台应用程序,开始将语音合成到默认扬声器。

    python speech_synthesis.py
    

    重要

    请确保设置 SPEECH_KEYSPEECH_REGION 环境变量。 如果未设置这些变量,示例会失败并显示错误消息。

  6. 输入要朗读的一些文本。 例如,键入“我对尝试文本转语音非常兴奋”。 选择 Enter 键可听到合成的语音。

    Enter some text that you want to speak > 
    I'm excited to try text to speech
    

注解

更多语音合成选项

此快速入门使用 speak_text_async 操作合成你输入的简短文本块。 你还可以使用文件中的长格式文本,并更好地控制语音风格、韵律和其他设置。

Azure AI 语音中的 OpenAI 文本转语音

还支持 OpenAI 文本转语音。 请参阅 Azure AI 语音中的 OpenAI 文本转语音声音多语言语音。 可以将 en-US-AvaMultilingualNeural 替换为受支持的 OpenAI 语音名称,例如 en-US-FableMultilingualNeural

清理资源

可以使用 Azure 门户Azure 命令行接口 (CLI) 删除创建的语音资源。

语音转文本 REST API 参考 | 适用于短音频的语音转文本 REST API 参考 | GitHub 上的其他示例

使用 Azure AI 语音,可以运行一个应用程序,该应用程序合成类似人类的声音来读取文本。 可以更改语音,输入要说出的文本,然后在计算机的扬声器上收听输出。

提示

可以在 Speech Studio 语音库中试用文本转语音,无需注册或编写任何代码。

提示

尝试使用 Azure AI 语音工具包在 Visual Studio Code 上轻松生成并运行示例。

先决条件

设置环境变量

需要对应用程序进行身份验证才能访问 Azure AI 服务。 本文介绍如何使用环境变量来存储凭据。 然后,你可以从代码访问环境变量来验证应用程序。 对于生产环境,请使用更安全的方式来存储和访问凭据。

重要

我们建议使用 Azure 资源的托管标识进行 Microsoft Entra ID 身份验证,以避免将凭据随云中运行的应用程序一起存储。

如果使用 API 密钥,请将其安全地存储在其他某个位置,例如 Azure 密钥保管库中。 请不要直接在代码中包含 API 密钥,并且切勿公开发布该密钥。

有关 Azure AI 服务安全性的详细信息,请参阅对 Azure AI 服务的请求进行身份验证

若要为语音资源密钥和区域设置环境变量,请打开控制台窗口,并按照操作系统和开发环境的说明进行操作。

  • 要设置 SPEECH_KEY 环境变量,请将“your-key”替换为你的资源的某一个密钥。
  • 要设置 SPEECH_REGION 环境变量,请将 “your-region”替换为你的资源的某一个地区。
setx SPEECH_KEY your-key
setx SPEECH_REGION your-region

注意

如果你只需要访问当前控制台中的环境变量,可使用 set(而不是 setx)来设置环境变量。

添加环境变量后,你可能需要重启任何需要读取环境变量的程序(包括控制台窗口)。 例如,如果使用 Visual Studio 作为编辑器,请在运行示例之前重启 Visual Studio。

将语音合成到文件中

请在命令提示符处运行以下 cURL 命令。 (可选)可以将 output.mp3 重命名为另一个输出文件名。

curl --location --request POST "https://%SPEECH_REGION%.tts.speech.microsoft.com/cognitiveservices/v1" ^
--header "Ocp-Apim-Subscription-Key: %SPEECH_KEY%" ^
--header "Content-Type: application/ssml+xml" ^
--header "X-Microsoft-OutputFormat: audio-16khz-128kbitrate-mono-mp3" ^
--header "User-Agent: curl" ^
--data-raw "<speak version='1.0' xml:lang='en-US'><voice xml:lang='en-US' xml:gender='Female' name='en-US-AvaMultilingualNeural'>my voice is my passport verify me</voice></speak>" --output output.mp3

重要

请确保设置 SPEECH_KEYSPEECH_REGION 环境变量。 如果未设置这些变量,示例会失败并显示错误消息。

提供的文本应输出到名为 output.mp3 的音频文件。

若要更改语音合成语言,请将 en-US-AvaMultilingualNeural 替换为另一种受支持的语音

所有神经网络声音都是多语言的,并且能够流利地使用自己的语言和英语。 例如,如果英语的输入文本为“I'm excited to try text to speech”并且你设置了 es-ES-ElviraNeural,则该文本将用带西班牙口音的英语讲出。 如果语音使用的不是输入文本的语言,则语音服务不会输出合成的音频。

有关详细信息,请参阅文本转语音 REST API

注解

Azure AI 语音中的 OpenAI 文本转语音

还支持 OpenAI 文本转语音。 请参阅 Azure AI 语音中的 OpenAI 文本转语音声音多语言语音。 可以将 en-US-AvaMultilingualNeural 替换为受支持的 OpenAI 语音名称,例如 en-US-FableMultilingualNeural

清理资源

可以使用 Azure 门户Azure 命令行接口 (CLI) 删除创建的语音资源。

使用 Azure AI 语音,可以运行一个应用程序,该应用程序合成类似人类的声音来读取文本。 可以更改语音,输入要说出的文本,然后在计算机的扬声器上收听输出。

提示

可以在 Speech Studio 语音库中试用文本转语音,无需注册或编写任何代码。

提示

尝试使用 Azure AI 语音工具包在 Visual Studio Code 上轻松生成并运行示例。

先决条件

设置环境

请按照以下步骤操作,并参阅语音 CLI 快速入门,了解适用于你的平台的其他要求。

  1. 运行以下 .NET CLI 命令以安装语音 CLI:

    dotnet tool install --global Microsoft.CognitiveServices.Speech.CLI
    
  2. 运行以下命令以配置你的语音资源密钥和区域。 将 SUBSCRIPTION-KEY 替换为语音资源密钥,将 REGION 替换为语音资源区域。

    spx config @key --set SUBSCRIPTION-KEY
    spx config @region --set REGION
    

将语音发送给扬声器

运行以下命令,将语音合成输出到默认的扬声器。 可以修改要合成的语音和文本。

spx synthesize --text "I'm excited to try text to speech" --voice "en-US-AvaMultilingualNeural"

如果未设置语音名称,则会使用 en-US 的默认语音。

所有神经网络声音都是多语言的,并且能够流利地使用自己的语言和英语。 例如,如果英语的输入文本为“I'm excited to try text to speech”并且你设置了 --voice "es-ES-ElviraNeural",则该文本将用带西班牙口音的英语讲出。 如果语音使用的不是输入文本的语言,则语音服务不会输出合成的音频。

运行此命令以获取有关更多语音合成选项的信息,例如文件输入和输出:

spx help synthesize

注解

SSML 支持

通过使用语音合成标记语言 (SSML),可以更精细地控制语音风格、韵律和其他设置。

Azure AI 语音中的 OpenAI 文本转语音

还支持 OpenAI 文本转语音。 请参阅 Azure AI 语音中的 OpenAI 文本转语音声音多语言语音。 可以将 en-US-AvaMultilingualNeural 替换为受支持的 OpenAI 语音名称,例如 en-US-FableMultilingualNeural

清理资源

可以使用 Azure 门户Azure 命令行接口 (CLI) 删除创建的语音资源。

下一步