使用 Android TextToSpeech 的 synthesizeToFile 方法，我们如何知道生成的文件是什么文件格式(WAV、MP3、OGG)和/或属性(采样率、位深度等)？
我在文档中找不到明确的标准……它甚至不 promise 任何特定的文件格式，例如 WAV。
这是否完全取决于语音引擎来实现他们的选择？
如果我们想对结果做点什么，比如计算文件的持续时间？我们必须提前知道有关文件格式的详细信息。由于无法知道最终用户设备上安装/运行的引擎是什么，这一事实变得更加不可预测。
这真的没有标准吗？
最佳答案
在关于 synthesizeToFile 的 android 文档中.您可以在 filename 中查看建议格式参数为 .wav音频的属性取决于您的输入源，或者您可以使用 Voice 设置它.保存成功后即可获取音频文件的信息。示例:您可以使用 MediaPlayer获取格式、持续时间、比特率...
您还可以使用 AudioTrack 通过读取音频缓冲区来播放原始数据。 AudioTrack 是播放原始音频字节的标准
关于android - Android TextToSpeech 中 synthesizeToFile 产生的标准音频格式是什么？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/71417399/