Windows.Media.SpeechSynthesis能否像SAPI 5.3那样设置音频流格式？

针对你从SAPI切换到C++/WinRT的SpeechSynthesis时遇到的几个问题，我整理了对应的解决方案和细节：

1. 类似SPBindToFile的文件绑定与格式设置方法 #

SpeechSynthesis没有直接对应SPBindToFile的API，但可以通过先设置合成格式，再将合成后的流写入文件的方式实现类似效果：

• 首先，你可以通过SpeechSynthesizer的Options属性（SpeechSynthesisOptions）指定音频格式，但要注意：格式必须是当前选中语音所支持的格式。
• 合成完成后，将SpeechSynthesisStream复制到目标文件的输出流即可完成写入。

你可以先获取当前语音支持的所有格式，再选择合适的格式设置：

#include <winrt/Windows.Media.SpeechSynthesis.h>
#include <winrt/Windows.Storage.h>
#include <winrt/Windows.Storage.Streams.h>

using namespace winrt;
using namespace Windows::Media::SpeechSynthesis;
using namespace Windows::Storage;
using namespace Windows::Storage::Streams;

// 获取默认语音并查看其支持的格式
auto synthesizer = SpeechSynthesizer{};
auto voice = synthesizer.DefaultVoice();
auto supportedFormats = voice.SupportedAudioFormats();

// 选择一个支持的格式（比如24kHz/24位单声道PCM）
for (auto const& format : supportedFormats)
{
    if (format.SampleRate() == 24000 && format.BitsPerSample() == 24)
    {
        synthesizer.Options().AudioFormat(format);
        break;
    }
}

然后合成并写入文件：

// 合成文本
auto stream = co_await synthesizer.SpeakTextAsync(L"Hello from C++/WinRT Speech Synthesis");

// 创建或打开目标文件
auto folder = co_await KnownFolders::DocumentsLibrary();
auto file = co_await folder.CreateFileAsync(L"SpeechOutput.wav", CreationCollisionOption::ReplaceExisting);

// 将合成流写入文件
auto fileStream = co_await file.OpenAsync(FileAccessMode::ReadWrite);
co_await RandomAccessStream::CopyAndCloseAsync(stream, fileStream);

2. 是否只能获取16kHz/16位单声道的波形流？ #

不是的。默认情况下可能会使用16kHz/16位单声道的格式，但不同的TTS语音（比如微软的Neural Voices）支持多种音频格式，包括：

• 不同采样率（16kHz、24kHz、48kHz等）
• 不同位深（16位、24位）
• 部分语音还支持压缩格式（比如MP3）

你可以通过VoiceInformation.SupportedAudioFormats获取当前语音支持的所有格式列表，再根据需求选择合适的格式设置到SpeechSynthesisOptions.AudioFormat即可。

3. SpeechSynthesisStream 的数据是预计算还是实时编码？ #

当你调用SpeakTextAsync或SpeakSsmlAsync完成后，返回的SpeechSynthesisStream已经包含了完整的、编码好的音频数据，并非预计算的原始数据。也就是说：

• 流的Size属性在合成完成后就是有效的，代表音频数据的总字节数
• 当你读取流数据（比如播放或写入文件）时，不需要再进行实时编码，直接读取的就是最终的音频字节

这和SAPI的合成流程类似，合成过程在异步方法完成时就已经完成，流里是直接可用的音频数据。

内容的提问来源于stack exchange，提问作者Appolon Sharov