C#调用Azure TTS API部分英文单词返回空音频的原因及解决方法

可能的原因 #

• 请求头配置差异：C#代码的请求头可能和Python/curl不一致，比如缺少User-Agent、Content-Type设置错误，或者Authorization令牌格式有误。Azure TTS API对不同客户端的请求头有隐性校验，部分头缺失会导致返回空音频。
• 文本编码/格式问题：C#处理文本时可能引入了不可见字符（如UTF-8 BOM），或者对带标点的文本（如“black.”）编码不当，导致API无法解析内容，返回空响应。
• HTTP客户端响应处理缺陷：比如HttpClient提前关闭了响应流，或者没有正确处理分块响应，导致音频数据未完整读取。
• 区域资源不匹配：虽然指定了eastus端点，但你的Azure语音资源实际部署在其他区域，跨区域调用可能出现异常（这种情况通常返回错误而非空音频，优先级较低）。

修正后的C#代码示例 #

以下是确保能正确调用eastus端点的代码，重点优化请求头、文本编码和响应流处理：

using System;
using System.IO;
using System.Net.Http;
using System.Net.Http.Headers;
using System.Text;
using System.Threading.Tasks;

class TtsClient
{
    static async Task Main(string[] args)
    {
        string subscriptionKey = "你的Azure语音资源密钥";
        string endpoint = "https://eastus.tts.speech.microsoft.com/cognitiveservices/v1";
        string targetText = "black.";

        using (HttpClient client = new HttpClient())
        {
            // 配置授权头
            string accessToken = await FetchAccessToken(subscriptionKey, "eastus");
            client.DefaultRequestHeaders.Authorization = new AuthenticationHeaderValue("Bearer", accessToken);
            // 添加User-Agent，模拟标准客户端
            client.DefaultRequestHeaders.UserAgent.ParseAdd("C# TTS Client");

            // 用标准SSML包裹文本，确保API正确解析
            string ssmlContent = $@"<speak version='1.0' xmlns='http://www.w3.org/2001/10/synthesis' xml:lang='en-US'>
                                    <voice name='en-US-JennyNeural'>{targetText}</voice>
                                  </speak>";

            var requestContent = new StringContent(ssmlContent, Encoding.UTF8, "application/ssml+xml");

            using (HttpResponseMessage response = await client.PostAsync(endpoint, requestContent))
            {
                // 确保请求成功，否则抛出异常便于排查
                response.EnsureSuccessStatusCode();

                // 完整读取音频流并保存
                using (Stream audioStream = await response.Content.ReadAsStreamAsync())
                using (FileStream outputFile = new FileStream("audio_output.wav", FileMode.Create, FileAccess.Write))
                {
                    await audioStream.CopyToAsync(outputFile);
                }
            }
        }
    }

    // 获取Azure TTS的访问令牌
    static async Task<string> FetchAccessToken(string key, string region)
    {
        string tokenUrl = $"https://{region}.api.cognitive.microsoft.com/sts/v1.0/issueToken";
        using (HttpClient tokenClient = new HttpClient())
        {
            tokenClient.DefaultRequestHeaders.Add("Ocp-Apim-Subscription-Key", key);
            HttpResponseMessage tokenResponse = await tokenClient.PostAsync(tokenUrl, null);
            return await tokenResponse.Content.ReadAsStringAsync();
        }
    }
}

关键修复点 #

• 添加User-Agent头：避免API对未知客户端的特殊过滤逻辑。
• 使用标准SSML：用SSML包裹文本，确保带标点的内容能被API正确识别和合成。
• UTF-8无BOM编码：StringContent使用Encoding.UTF8（默认无BOM），防止API解析文本时出错。
• 完整读取响应流：通过CopyToAsync完整复制音频流，避免提前关闭流导致的空文件。
• 验证令牌逻辑：确保Authorization头的Bearer令牌是有效且格式正确的，避免授权问题导致的异常。

额外排查建议 #

1. 确认你的Azure语音资源部署区域为eastus，确保端点和资源区域一致。
2. 在C#代码中添加日志，打印请求头、响应状态码和响应内容长度，和curl的请求信息对比，找出差异项。
3. 分别测试“black”和“black.”，确认是否是标点符号的处理问题。

内容的提问来源于stack exchange，提问作者tzviya