引言
在项目中，我们需要实现文本转语音(TTS)功能，为了满足对响应速度的要求，我们选用了科大讯飞提供的API服务，并将生成的音频文件存储到Cloudflare R2对象存储中。
为什么选择科大讯飞TTS API
科大讯飞作为国内领先的语音技术提供商，其TTS服务具有以下优势：
- 提供10500次免费请求，完全满足项目实训需求
- 支持多种声音选择(虽然免费版声音比较"AI感")
- 提供稳定可靠的Websocket接口
- 文档详细，接入方便
实现步骤
申请API并配置认证信息
首先需要在科大讯飞开放平台完成实名认证并开通服务，获取以下关键信息：
- App ID
- API Key
- API Secret
将这些信息配置在
application.yml中：实现TTS服务核心代码
TtsController类
TtsService类
核心服务类
TtsService主要完成以下功能：- 构建鉴权URL：通过API Key和Secret生成带有鉴权信息的请求URL
- 建立Websocket连接：使用OkHttpClient建立与讯飞服务的连接
- 发送请求数据：构造包含文本和配置参数的JSON请求
- 处理响应：接收音频数据并保存
部分代码参考了官方提供的java版本demo，但根据项目做出了修改
- 首先先将配置参数注入：
通过Spring的
@Value注解从配置文件注入科大讯飞API所需的认证参数和默认配置。- 核心处理方法
这是TTS转换的入口方法，主要完成：文件名生成、鉴权URL构建和WebSocket连接准备。
- WebSocket连接处理（核心交互逻辑）
这部分实现了与讯飞API的核心交互：
onOpen：连接建立后发送TTS请求参数
onMessage：接收并处理音频数据片段
- 音频接收完成后上传到R2存储
- 鉴权URL生成方法
这部分是官方demo提供的
- ByteArrayMultipartFile 实现
测试
使用apifox测试接口，返回符合预期
总结
通过科大讯飞TTS API和Cloudflare R2对象存储，我们实现了完整的文本转语音服务流程。
讯飞免费版的声音确实比较"AI感"，缺乏真人感，而有真人感的贵到离谱，小小项目实训不值得啊不值得啊，准备去寻找其他模型了…如果不行，再到时候免费考虑试用付费声音吧…
