Azure文本转语音相同请求输出音量语调变更问题求助

核心原因 #

Azure神经语音模型会持续迭代更新，默认请求会自动使用最新版本，导致相同输入的语音输出随时间发生变化。通过在SSML中指定具体模型版本，即可锁定输出效果，避免无预期变更。

具体步骤 #

1. 查询可用的模型版本
   调用Azure语音服务的语音列表端点，获取ja-JP-NanamiNeural的所有历史版本：

   $token = // 复用你已获取的授权token
   $url = 'https://japaneast.tts.speech.microsoft.com/cognitiveservices/voices/list';
   $aryHeader = [
       'Authorization: '.$token,
       'Host: japaneast.tts.speech.microsoft.com',
   ];
   $curl = curl_init();
   curl_setopt($curl, CURLOPT_URL, $url);
   curl_setopt($curl, CURLOPT_HTTPHEADER, $aryHeader);
   curl_setopt($curl, CURLOPT_RETURNTRANSFER, true);
   $voices = json_decode(curl_exec($curl), true);
   curl_close($curl);
   // 筛选Nanami的所有版本
   foreach($voices as $voice) {
       if(strpos($voice['Name'], 'ja-JP-NanamiNeural') !== false) {
           echo $voice['Name'] . PHP_EOL;
       }
   }
   

   输出会类似ja-JP-NanamiNeural-V1、ja-JP-NanamiNeural-V2这类带版本后缀的标识。

2. 修改SSML锁定版本
   在你的请求SSML中，将voice标签的name属性替换为带版本后缀的标识，例如锁定V1版本：

   $aryPost = "<speak version='1.0' xml:lang='ja-JP'>
       <voice xml:lang='ja-JP' xml:gender='Female' name='ja-JP-NanamiNeural-V1'>
           <prosody rate='60%'>いかがだったかしら？</prosody>
       </voice>
   </speak>";
   

3. 验证效果
   重新发起请求后，输出的语音语调、音量将与该版本发布时的效果完全一致，不会随后续模型更新产生变化。

注意事项 #

• 旧版本模型通常会被Azure保留数年，但如果后续收到版本停用通知，需要切换到其他稳定版本。
• 不同区域的模型版本可能略有差异，确保查询的是你实际使用的区域（如japaneast）的语音列表。

内容的提问来源于stack exchange，提问作者barugag