问SpeechSynthesizer.SetOutputToAudioStream音频格式问题
我目前正在开发一种应用程序，它需要传输编码为特定音频格式的语音。
System.Speech.AudioFormat.SpeechAudioFormatInfo synthFormat = new System.Speech.AudioFormat.SpeechAudioFormatInfo(System.Speech.AudioFormat.EncodingFormat.Pcm, 8000, 16, 1, 16000, 2, null); 这表明音频采用PCM格式，每秒8000个采样，每个采样16位，单声道，每秒16000个平均字节，块对齐为2。
当我尝试执行以下代码时，没有任何内容写入我的MemoryStream实例; 但是当我从每秒8000个样本更改为11025时，音频数据被成功写入。
SpeechSynthesizer synthesizer = new SpeechSynthesizer(); waveStream = new MemoryStream(); PromptBuilder pbuilder = new PromptBuilder(); PromptStyle pStyle = new PromptStyle(); pStyle.Emphasis = PromptEmphasis.None; pStyle.Rate = PromptRate.Fast; pStyle.Volume = PromptVolume.ExtraLoud; pbuilder.StartStyle(pStyle); pbuilder.StartParagraph(); pbuilder.StartVoice(VoiceGender.Male, VoiceAge.Teen, 2); pbuilder.StartSentence(); pbuilder.AppendText("This is some text."); pbuilder.EndSentence(); pbuilder.EndVoice(); pbuilder.EndParagraph(); pbuilder.EndStyle(); synthesizer.SetOutputToAudioStream(waveStream, synthFormat); synthesizer.Speak(pbuilder); synthesizer.SetOutputToNull();
使用8000的采样率时没有记录exception或错误，我在关于SetOutputToAudioStream的文档中找不到任何有用的东西，为什么它以每秒11025个样本而不是8000成功。我有一个涉及wav文件的解决方法，我使用一些声音编辑工具生成并转换为正确的采样率，但如果可以的话，我想从应用程序中生成音频。
一个特别的兴趣点是SpeechRecognitionEngine接受该音频格式并成功识别出我的合成波形文件中的语音…
更新：最近发现这种音频格式对某些已安装的声音成功，但对其他声音失败。 它专门针对LH Michael和LH Michelle而失败，并且针对PromptBuilder中定义的某些语音设置的失败会有所不同。
LH Michael和LH Michelle声音完全有可能不支持8000 Hz采样率（因为它们固有地产生> 8000 Hz的采样）。 SAPI允许引擎拒绝不支持的费率。
我已经在我的NAudio库中创建了一些类，以便您可以将音频数据转换为不同的采样率，如果您遇到合成器中的11025。 看看WaveFormatConversionStream （使用ACM）或ResamplerDMO （使用DirectX Media对象）
我有一个类似的问题，并希望发布回复，以防它帮助任何人。 这个post让我找到答案。 我的问题是，我将SpeechSynthesizer输出到WAV文件，然后用NAudio播放该WAV文件。 输出到文件时，无需修改即可正常工作。 但是，当尝试使用MemoryStream时，它会播放，但是你听到的声音太快了。
这个用于输出SpeechSynthesizer的代码解决了这个问题，并且NAudio方面不需要修改：
SpeechAudioFormatInfo synthFormat = new SpeechAudioFormatInfo(EncodingFormat.Pcm, 88200, 16, 1, 16000, 2, null); synth.SetOutputToAudioStream(streamAudio, synthFormat);
88200是关键。 默认情况下，这是11025.只需创建SpeechAudioFormatInfo并将其设置为88200即可。