如何用Python在Azure文本转语音中不播放语音保存流对象

直接使用synthesize_speech_to_stream_async方法即可实现无播放的音频合成，你遇到的格式错误是因为API更新后的类名变化，以下是修正后的完整实现：

核心代码示例 #

import azure.cognitiveservices.speech as speechsdk

# 初始化Speech服务配置
speech_config = speechsdk.SpeechConfig(subscription="你的订阅密钥", region="你的服务区域")

# 创建PCM音频格式（替代已弃用的AudioStreamFormat和不存在的PcmDataFormat）
# 使用默认PCM格式（16kHz采样率、16位深度、单声道）
pcm_format = speechsdk.audio.AudioStreamWaveFormat.get_default_pcm_format()

# 执行无播放的音频合成
synthesizer = speechsdk.SpeechSynthesizer(speech_config=speech_config)
result_future = synthesizer.synthesize_speech_to_stream_async(
    text="这里替换成书籍的文本内容",
    audio_format=pcm_format
)

# 处理合成结果
result = result_future.get()
if result.reason == speechsdk.ResultReason.SynthesizingAudioCompleted:
    # 将音频数据写入WAV文件
    with open("book_audio.wav", "wb") as output_file:
        output_file.write(result.audio_data)
    print("音频文件保存成功")
else:
    print(f"合成失败：{result.error_details}")

关键说明 #

• 弃用的AudioStreamFormat已被AudioStreamWaveFormat替代，无需再使用旧类。
• 不存在PcmDataFormat属性，直接通过AudioStreamWaveFormat.get_default_pcm_format()获取标准PCM格式，或通过构造函数自定义参数（如采样率、声道数）：

  # 自定义PCM格式示例：24kHz采样率、16位深度、双声道
  custom_pcm_format = speechsdk.audio.AudioStreamWaveFormat(
      samples_per_second=24000,
      bits_per_sample=16,
      channels=2
  )
  

• synthesize_speech_to_stream_async方法不会触发本地语音播放，直接返回包含音频数据的合成结果，无需依赖播放流程获取流对象。

内容的提问来源于stack exchange，提问作者bobsmith76