Azure文本转语音REST API处理日文/俄文时返回HTTP 400错误求助

问题描述 #

我是一名学生，正在用Python调用Azure认知服务的文本转语音（TTS）REST API。测试Azure在线音频内容创建工具生成的日文文本「テキスト読み上げを試すのが楽しみです」（对应英文“I’m excited to try text to speech”），对应的SSML如下：

<speak xmlns="http://www.w3.org/2001/10/synthesis" xmlns:mstts="http://www.w3.org/2001/mstts" xmlns:emo="http://www.w3.org/2009/10/emotionml" version="1.0" xml:lang="en-US"><voice xml:lang="ja-JP" xml:gender="Female" name="ja-JP-NanamiNeural">テキスト読み上げを試すのが楽しみです</voice></speak>

这段SSML在在线工具里能正常运行，但通过REST API调用时返回HTTP 400错误。不过把日文汉字替换成假名「Kisuto yomiage o tamesu no ga tanoshimidesu」后，API调用就能正常工作。

我使用的代码片段如下：

def send_text2(token,endpoint,uuid,ssml):
    headers = {
        'Authorization': 'Bearer '  + token,
        'Content-Type': 'application/ssml+xml',
        'X-Microsoft-OutputFormat': 'audio-48khz-96kbitrate-mono-mp3',
        'User-Agent': 'Application for Final',
        'X-ClientTraceId': uuid

    }
    vocalize_request = requests.post(endpoint, headers=headers, data=ssml)
    print(vocalize_request.status_code)
    # Retrieve mp3 data and write to file
    with open(f"vocalized_file-{uuid}.mp3", "wb") as binary_file:
    #Write bytes to file
        binary_file.write(vocalize_request.content)

代码处理英文、德文、意大利文都正常，所以端点和令牌没问题。俄文翻译同样会返回HTTP 400错误。

已尝试的方案：

• 将所有xml:lang设置为“ja-JP”
• 确保内容格式为UTF-8
• 移除mstts和emo命名空间
• 不设置Content-Length头部
• 将文本包裹在<![CDATA[]]>中

以上尝试均无效，想知道问题原因和解决办法，我认为这不是TTS的bug，因为类似问题似乎已被解决，但我这边不设置Content-Length也没用，希望得到帮助。

可能的原因及解决方法 #

1. 请求体编码未明确指定UTF-8 #

当传递包含非欧洲语言字符（日文汉字、俄文西里尔字母）的SSML时，requests默认的字符串编码处理可能未被服务器正确识别，导致解析失败返回400。

解决办法：

• 在Content-Type头部明确指定UTF-8编码；
• 将SSML字符串编码为UTF-8字节后再传递。

修改后的代码片段：

def send_text2(token,endpoint,uuid,ssml):
    headers = {
        'Authorization': 'Bearer '  + token,
        'Content-Type': 'application/ssml+xml; charset=utf-8',  # 明确指定编码
        'X-Microsoft-OutputFormat': 'audio-48khz-96kbitrate-mono-mp3',
        'User-Agent': 'Application for Final',
        'X-ClientTraceId': uuid
    }
    # 将SSML编码为UTF-8字节流
    vocalize_request = requests.post(endpoint, headers=headers, data=ssml.encode('utf-8'))
    print(vocalize_request.status_code)
    with open(f"vocalized_file-{uuid}.mp3", "wb") as binary_file:
        binary_file.write(vocalize_request.content)

2. 端点与语音模型的区域不匹配 #

确认你使用的API端点区域支持所选的语音模型（如ja-JP-NanamiNeural、俄文语音），部分区域可能未开放特定语言模型的支持，即使在线工具正常，跨区域调用也会返回400错误。可以核对Azure认知服务语音区域支持列表，确保端点和语音模型的区域一致。

3. SSML字符转义问题 #

虽然你的SSML看起来无特殊字符，但某些场景下非ASCII字符在字符串传递中可能被错误转义。可以尝试直接读取本地保存的SSML文件（确保文件为UTF-8编码），以字节流形式传递给API：

with open("your_ssml_file.xml", "rb") as f:
    vocalize_request = requests.post(endpoint, headers=headers, data=f)

内容的提问来源于stack exchange，提问作者ekcaiki