Windows 10下IBM Watson Text to Speech curl示例生成的音频无声音

问题根源 #

当前使用的curl请求存在两处硬性错误，最终写入本地的文件并非有效音频数据，无法正常播放：

• 已声明Content-Type: application/json请求头，但实际传输的请求体不符合JSON语法规范
  • 原请求传入的内容为text:hello world形式的纯文本键值对，并非合法JSON结构，服务端会直接返回包含报错信息的JSON文本响应，而非音频二进制流。这部分文字响应被强行写入带音频后缀的本地文件，文件本质是错误提示文本，不存在任何音频编码数据。
• 缺失指定返回音频格式的Accept请求头
  • IBM Watson Text to Speech接口完全依赖Accept头的取值判断需要返回的音频编码格式，未显式指定时，接口不会自动匹配你本地设置的输出文件后缀，大概率返回格式不兼容的内容甚至错误响应。

可正常生成可播放音频的修正命令 #

curl -X POST \
  -u "apikey:{你的API密钥}" \
  --header "Content-Type: application/json" \
  --header "Accept: audio/ogg; codecs=opus" \
  --data '{"text": "hello world"}' \
  --output hello_world.ogg \
  "{你的服务实例地址}/v1/synthesize/"

关键调整说明 #

• 将原请求体替换为符合JSON规范的字符串，匹配已设置的Content-Type要求，确保服务端能正确解析待合成的文本内容
  • Windows cmd环境下，JSON字符串内的双引号需要做转义处理，对应写法为--data "{\"text\": \"hello world\"}"
  • Windows PowerShell环境下，可直接使用单引号包裹JSON内容，写法为--data '{"text": "hello world"}'
• 新增对应目标格式的Accept请求头，不同格式对应取值调整即可：
  • 生成MP3文件：将Accept值替换为audio/mp3，同时把--output的文件后缀改为.mp3
  • 生成WAV文件：将Accept值替换为audio/wav，同时把--output的文件后缀改为.wav
  • 生成OGG文件：保留Accept: audio/ogg; codecs=opus，和当前设置的输出文件后缀匹配

快速排查方法 #

如果调整完参数仍无法正常播放，可暂时去掉--output参数，直接在终端查看接口返回内容：如果返回内容是不可读的二进制乱码，说明是正常音频流；如果返回是带字段的可读JSON文本，说明仍存在参数错误，可直接根据返回的报错提示修正。

内容的提问来源于stack exchange，提问作者John Sinkiewicz