大家都知道，我前几个月写了一款极客配音小程序，这里面我对接了5个大厂的语音合成接口，具体也不说了，里边最让我头疼的就是微软，因为一开始考虑到它是花美金的，与其他接口对比，比较贵，所以我就研究了一下，通过抓官网接口，确实能实现白嫖。当然现在我的极客配音小程序也接入了官方正版接口，为什么接正版后面再说，这里主要分享一下我写过的白嫖技术。

注意：

1、本篇文章适合有技术基础的朋友阅读，如果你不懂技术，就不用往下看了，省的头疼。

2、本篇文章示例代码并非一直可用，因为官方的接口也会有变化，所以主要分享的是方法。

一、抓包

首先要使用官方的接口，当然就是抓官方的数据包了，然后通过模拟官网发包，来调用接口。

网址：https://azure.microsoft.com/zh-cn/products/cognitive-services/text-to-speech/#features

这个位置，就是官方试用的语音合成，我们右键网页，打开控制台，通过网络功能，抓一下他的合成过程。

这条websocket链接，就是了，点开查看请求的链接和消息。

这个是请求的链接，注意，后面有一段是变量，下面再说

在这条链接的消息里，绿色的，就是我们发出的消息，红色的，前两条字符串没啥用，后面持续发送的二进制消息，就是我们需要的语音信息流。

二、分析消息

既然要模拟，我们就要分析一下消息中的内容，确定那些是固定内容，那些是变量，以便能在实际调用时不踩坑。

具体的变量我也直接标出来了，三条消息基本都有共同的两个变量，X-RequestId是一个uuidv4字符串，需要自己生成，X-Timestamp是一个ISO 标准的时间戳，格式为2022-12-22T17:47:28.049Z

最后一条消息下面几个就是我们自己控制的变量，name是发音人，可选，具体可选值自己去官网看吧，mstts的style是语气，rate是语速，pitch是语调，后面就是我们要配音的文字了。

注意：上面的请求url中后面有一个X-ConnectionId值也是uuidv4

下面是示例代码：

//生成uuidv4函数
uuidv4() {
	return 'xxxxxxxxxxxx4xxxyxxxxxxxxxxxxxxx'.replace(/[xy]/g, function(c) {
	var r = Math.random() * 16 | 0,
		v = c == 'x' ? r : (r & 0x3 | 0x8);
	return v.toString(16);
	});
}
//获取IOS标准时间
getXTime() {
	return new Date().toISOString();
}

三、模拟请求

利用小程序建立websocket链接还是非常容易的，我们先将请求的地址写好， 将要发送的消息写成三个字符串，放到一个数组中

截图写法仅供参考，具体写法以你为主

创建socket链接，并循环将数组中的三条消息发出去！

注意，这里我是在uniapp中写的，你在小程序开发者工具里，将uni换成wx就可以，其他语音自行适配

这里就厉害了，我们开始接收微软发来的消息，这里判断收到的消息类型，如果是字符串，就像刚刚我们官网抓到的消息，有字符串，先忽略，如果是个对象，那它就是数据流，这里我们需要将它转为字符串，函数代码如下：

//ArrayBuffer转字符串
ab2str(buf) {
	return String.fromCharCode.apply(null, new Uint8Array(buf));
},

转成字符串后，截取掉Path:audio之前的部分，剩下的就是纯语音数据了，记得将这些语音数据存到一个数组中去，因为它会接收到多条数据流，合在一起才是完整的文件，并且要记录一下所有数据流合在一起的byte长度，后面会用到。

//记录所有数据流最终的长度
offset += audioData.byteLength;

最后它结束时，还会发送一个字符串，这个字符串中带有Path:turn.end字段，判断到这条字符串后，关掉socket链接就可以了。

四、合成语音

前两行是创建一个文件管理器，创建一个本地文件路径

ArrayBuffer是创建一个字节数组，但注意，这里创建时它便会在内存生成一块区域，并且这个区域的空间大小必须一开始就固定好，否则后期不可更改，所以就用到了上面的记录数据流总长度，来划出一个足够可存放音频流的区域。

Uint8Array将上面的字节数组转为一个可操作的整型数组，下面开始循环的是刚才存入数据流的数组。

还记得上面将数据流转为字符串了吗，这里通过var s = new Uint8Array(arrBuffer[i])将它转回来，并通过result.set(s, n);写入到整型数组中。

set接收的第一个参数是数据流，第二个是它从哪个位置开始写，这样我们又要每次循环记录下写到了哪个位置，再继续写入。

最后的fs.writeFile就是把数据写入mp3文件，最后将得到的文件路径，返回给回调函数。

五、结语

这么一讲实在复杂，已经忘记自己当时踩了多少坑才写下来的，因为小程序并非普通软件一样，对所有系统API有如此好的支持，所以只能一步一步测试，当然还有更好的优化写法，那些就留给各位大佬发挥吧。

最后说下我为啥又接入了官方API，因为官网这个wss口，好像最多支持到一次500多个字左右吧，具体我也忘了，这导致很多用户生成长文本时，就需要分割字符，并循环创建socket链接，就经常出现断链情况，所以我的程序就是白嫖与官方API方式做了选项，让客户自行选择了。

如果你不想这么麻烦，现在就有机会一步拥有这么完善的小程序，独立部署，完美后台，不管是自己用省成本，还是通过会员充值赚差价，都是不二之选啊~

【极客配音】极客分享独家开发，极客配音小程序系统，文案提取，200+人工智能配音员

------本页内容已结束，喜欢请分享------

感谢您的来访，获取更多精彩文章请收藏本站。