Flask编码Azure语音合成音频为字符串，JS解码播放失败排查

一、前端JavaScript代码错误 #

你在JS里犯了变量名大小写不匹配的低级错误：

• 定义的变量是audio_data，但解码时误用了audioData，这会导致audioData未定义，后续二进制解码、Blob创建全流程失败，自然无法播放音频。

修正后的JS代码片段：

$.post("/retrieve_speech", { text: "This is a test" }).done(function (data) {
    var audio_data= data.audio_data;
    var speech_timing = data.speech_timing;
    var other = data.other;

    // 修正变量名：使用audio_data而非audioData
    var binaryData = atob(audio_data);

    var byteArray = new Uint8Array(binaryData.length);
    for(var i = 0; i < binaryData.length; i++) {
        byteArray[i] = binaryData.charCodeAt(i);
    }

    var blob = new Blob([byteArray], {type: 'audio/wav'});
    var url = URL.createObjectURL(blob);
    var audio = new Audio(url);
    audio.play();
});

二、Flask后端代码问题 #

1. 未处理异常分支的变量初始化 #

当Azure语音合成被取消（Canceled分支）时，data和speech_timing变量未定义，直接返回jsonify会抛出NameError，导致前端收到500错误。

修正：在函数开头初始化这两个变量：

@app.route("/retrieve_speech", methods=['POST'])
def retrieve_speech():
    text= request.form.get('text')
    start = time.time()
    # 初始化变量，避免分支未覆盖导致的未定义错误
    data = ""
    speech_timing = "0"
    speech_key = "my key"
    # ... 后续代码不变

2. 冗余的格式转换（引发Numba警告+额外出错风险） #

你先让Azure生成MP3格式，再用AudioSegment转成WAV，完全是多此一举：

• Azure文本转语音可以直接生成WAV格式音频，跳过转换步骤能避免pydub/Numba的多线程兼容问题，还能提升性能。

修改输出格式为直接生成WAV：

speech_config.set_speech_synthesis_output_format(
    # 直接生成WAV格式，无需后续转换
    speechsdk.SpeechSynthesisOutputFormat.Riff24Khz16BitMonoPcm
)

同时去掉MP3转WAV的代码块，直接处理Azure返回的WAV数据：

if result.reason == speechsdk.ResultReason.SynthesizingAudioCompleted:
    # 直接使用Azure返回的WAV数据，跳过格式转换
    data = io.BytesIO(result.audio_data)
    data.seek(0)
    data = base64.b64encode(data.read()).decode('utf-8')
    speech_timing = time.time() - start
# ... 后续分支代码不变

三、Numba警告的解决 #

你看到的Numba: Attempted to fork from a non-main thread...警告，是因为Flask默认多线程服务器与pydub依赖的Numba TBB库不兼容。上面的修正（直接生成WAV，不用AudioSegment）会直接消除这个警告，因为不再触发Numba的代码路径。

如果一定要保留格式转换步骤，也可以：

• 启动Flask时用单线程模式：flask run --threaded=False
• 或者在代码开头禁用Numba多线程：

  import numba
  numba.set_num_threads(1)
  

内容的提问来源于stack exchange，提问作者BlackHawk