使用 AWS Polly 的 PCM 格式答案

【问题标题】：Using PCM format of AWS Polly使用 AWS Polly 的 PCM 格式
【发布时间】：2017-08-22 20:50:40
【问题描述】：

我正在尝试使用 AWS lambda 中的 JavaScript SDK（通过使用 API 网关的 REST API 公开）使用 AWS Polly（用于 TTS）。获得 PCM 输出没有问题。这是一个简短的呼叫流程。

.NET 应用程序 --> REST API (API 网关) --> AWS Lambda (JS SDK) --> AWS Polly

.NET 应用程序（我也使用 POSTMAN 进行测试）获取以下格式的音频流缓冲区。

{"type":"Buffer","data":[255,255,0,0,0,0,255,255,255,255,0,0,0,0,0,0,255,255,255,255,0,0,0,0,255,255,255,255,255,255,255,255,0,0,255,255,255,255,0,0,0,0,255,255,255,255,0,0,255,255,255, more such data]

现在我不知道如何将其转换回原始 PCM。我希望它将这些数据作为原始 PCM 发回，但找不到方法。我也无法理解为什么 AWS 会以这种格式发回数据。使用那里的控制台，可以获取原始 PCM 格式的音频（然后我可以将其提供给 Audacity），但使用 SDK 并不那么简单。还是我错过了一些非常基本的东西？

对此有任何建议/提示吗？谢谢。

【问题讨论】：

他们没有以奇怪的格式发送数据。当您将二进制 Buffer 对象强制转换为 JSON 时，这就是 Node 中发生的情况。它是二进制内容，JSON 不能处理任意八位字节，只能处理字符数据，因此它被表示为二进制字节值的数组。您可能需要在 JS 中对原始缓冲区进行 base64 编码（以避免这种隐式转换）并将它们传送到设置了适当标志的 API Gateway，然后它们将被解码为原始八位字节并返回给客户端。
感谢您的提示。那完成了工作。再次感谢！
很高兴听到这个消息。您是否会在下面写下答案，以帮助将来发现您的问题的其他人，包括代码 sn-ps 和您需要更改的任何设置？（请？）

标签： aws-lambda text-to-speech amazon-polly

【解决方案1】：

正如 Michael 提到的（在评论中），从 Polly 发回响应会导致流变成 JSON 对象。在 base64 中对从 Polly 接收的缓冲区进行编码可以解决此问题。这是代码示例现在的样子 -

polly.synthesizeSpeech(params, function(err, data) {
    if (err) console.log(err, err.stack); // an error occurred
    else     console.log(data);           // successful response

    //old code
    //callback(null, data.Audiostream); //this converts buffer to JSON obj
    //use below instead
    if (data && data.AudioStream instanceof Buffer) {

        var buf = data.AudioStream.toString('base64');
        callback(null, buf);
    }
});

PS：我在 AWS lambda 上使用 AWS 开发工具包

【讨论】：