幽冥大陆(七十七)C# 调用中文huayan-medium.onnx —东方仙盟练气期

全可行的（无需依赖外部可执行文件，更灵活轻量化）。下面我会详细提供完整的实现方案，包括核心依赖、步骤和可直接运行的代码：

一、核心前提：必备依赖库

C# 直接操作 ONNX 模型，核心依赖 Microsoft.ML.OnnxRuntime（ONNX 运行时库，官方维护，跨平台），同时需要辅助库处理音频数据，具体安装方式如下：

1. 安装 NuGet 包（两种方式）

方式 1：Visual Studio 图形界面安装

右键你的 C# 项目 → 选择「管理 NuGet 程序包」
切换到「浏览」标签，搜索以下包并依次安装（选择稳定版，建议最新版）：
- Microsoft.ML.OnnxRuntime（核心：加载和运行 ONNX 模型）
- System.Numerics.Vectors（辅助：高效数值计算，可选但推荐）
- NAudio（辅助：将模型输出转换为可播放的 WAV 音频，必选）

方式 2：Package Manager Console 命令安装

bash

运行

复制代码

Install-Package Microsoft.ML.OnnxRuntime
Install-Package NAudio
Install-Package System.Numerics.Vectors

二、核心原理说明

直接调用 zh_CN-huayan-medium.onnx 并非简单的 "加载模型即可合成"，Piper 的 ONNX 模型有固定的输入输出规范，核心逻辑如下：

输入：并非原始中文文本，而是经过文本预处理后的「音素 ID 序列」（Piper 对中文文本有专属的分词、音素映射规则，需遵循其规范）；
模型推理：将音素 ID 序列传入 ONNX 模型，得到原始的语音波形数据（浮点型数组）；
输出后处理：将浮点型波形数据转换为 16 位整型数据，再封装为 WAV 音频格式（可直接播放）；
关键：zh_CN-huayan-medium.onnx.json 配置文件必须存在（用于获取音素映射、采样率、音频格式等关键参数，需与 .onnx 模型放在同一目录）。

三、完整 C# 实现代码（直接调用 ONNX）

以下代码实现了「文本预处理 → ONNX 模型推理 → 音频后处理 → 生成 WAV 文件」的全流程，可直接复制到项目中运行（需修改文件路径）：

1. 完整代码

csharp

运行

复制代码

using System;
using System.Collections.Generic;
using System.IO;
using System.Numerics;
using System.Text;
using Microsoft.ML.OnnxRuntime;
using Microsoft.ML.OnnxRuntime.Tensors;
using NAudio.Wave;

namespace PiperOnnxDirectCall
{
    class Program
    {
        // 核心配置（根据你的实际路径修改）
        private static readonly string OnnxModelPath = @"D:\ai\tiny_tts\piper\zh_CN-huayan-medium.onnx";
        private static readonly string OnnxConfigPath = @"D:\ai\tiny_tts\piper\zh_CN-huayan-medium.onnx.json";
        private static readonly string OutputWavPath = @"D:\ai\tiny_tts\piper\direct_onnx_output.wav";
        private static readonly int SampleRate = 22050; // Piper 华彦音库默认采样率（可从 json 配置中读取）

        static void Main(string[] args)
        {
            try
            {
                // 1. 待合成的中文文本
                string textToSpeak = "大家好，这是C#直接调用Piper ONNX模型的语音合成测试。";
                Console.WriteLine("开始预处理文本...");

                // 2. 文本预处理：转换为音素 ID 序列（核心步骤，模拟 Piper 的文本处理逻辑）
                // 注：此处为简化版音素映射（完整映射需参考 Piper 中文音素表，可从官方仓库获取完整字典）
                List<long> phonemeIds = TextToPhonemeIds(textToSpeak);
                if (phonemeIds.Count == 0)
                {
                    Console.WriteLine("文本预处理失败，无有效音素 ID！");
                    return;
                }
                Console.WriteLine($"文本预处理完成，音素 ID 数量：{phonemeIds.Count}");

                // 3. 加载 ONNX 模型并创建推理会话
                Console.WriteLine("正在加载 zh_CN-huayan-medium.onnx 模型...");
                using (var session = new InferenceSession(OnnxModelPath))
                {
                    // 4. 构造模型输入（Piper ONNX 模型输入为 "input"，类型为 long 张量，形状 [1, N]）
                    var inputTensor = new DenseTensor<long>(phonemeIds.ToArray(), new[] { 1, phonemeIds.Count });
                    var inputs = new List<NamedOnnxValue>
                    {
                        NamedOnnxValue.CreateFromTensor("input", inputTensor)
                    };

                    // 5. 执行模型推理，获取输出
                    Console.WriteLine("正在执行 ONNX 模型推理...");
                    using (var outputs = session.Run(inputs))
                    {
                        // 6. 提取推理结果（Piper ONNX 模型输出为 "output"，类型为 float 张量）
                        var outputTensor = outputs.First().AsTensor<float>();
                        var audioData = outputTensor.ToArray();

                        // 7. 音频后处理：将 float 波形转换为 WAV 文件
                        Console.WriteLine("正在生成 WAV 音频文件...");
                        ConvertFloatAudioToWav(audioData, SampleRate, OutputWavPath);

                        Console.WriteLine($"语音合成成功！输出文件：{OutputWavPath}");
                    }
                }
            }
            catch (Exception ex)
            {
                Console.WriteLine($"合成失败：{ex.Message}");
            }

            Console.WriteLine("按任意键退出...");
            Console.ReadKey();
        }

        /// <summary>
        /// 文本转音素 ID（简化版，完整版本需参考 Piper 中文音素映射）
        /// </summary>
        /// <param name="text">待合成中文文本</param>
        /// <returns>音素 ID 序列</returns>
        private static List<long> TextToPhonemeIds(string text)
        {
            // 此处为简化实现，实际需：
            // 1. 中文分词（参考 Piper 中文处理逻辑）
            // 2. 汉字转拼音（带声调）
            // 3. 拼音转音素（参考 zh_CN-huayan-medium 的音素表）
            // 4. 音素映射为对应的 ID（从 .onnx.json 配置中读取音素字典）
            // 临时：构造测试音素 ID 序列（确保模型能正常运行，实际需替换为完整逻辑）
            List<long> phonemeIds = new List<long>();

            // 简单映射：每个汉字对应一个测试音素 ID（可根据实际音素表修改）
            foreach (char c in text)
            {
                // 过滤空白字符
                if (char.IsWhiteSpace(c)) continue;
                // 临时 ID（实际需替换为真实音素 ID）
                phonemeIds.Add(c % 100); // 仅用于测试，实际需精准映射
            }

            // 添加结束符（Piper 要求，可从 json 配置中获取结束符 ID）
            phonemeIds.Add(0);

            return phonemeIds;
        }

        /// <summary>
        /// 将 float 类型音频波形转换为 WAV 文件
        /// </summary>
        /// <param name="floatAudio">模型输出的 float 音频数据</param>
        /// <param name="sampleRate">采样率（华彦音库默认 22050）</param>
        /// <param name="outputPath">输出 WAV 路径</param>
        private static void ConvertFloatAudioToWav(float[] floatAudio, int sampleRate, string outputPath)
        {
            // 1. 将 float 数据（-1 ~ 1）转换为 16 位整型（-32768 ~ 32767）
            short[] int16Audio = new short[floatAudio.Length];
            for (int i = 0; i < floatAudio.Length; i++)
            {
                // 裁剪超出范围的值
                float value = Math.Clamp(floatAudio[i], -1f, 1f);
                // 转换为 16 位整型
                int16Audio[i] = (short)(value * short.MaxValue);
            }

            // 2. 使用 NAudio 写入 WAV 文件
            using (var writer = new WaveFileWriter(outputPath, new WaveFormat(sampleRate, 16, 1)))
            {
                writer.WriteSamples(int16Audio, 0, int16Audio.Length);
            }
        }
    }
}

2. 关键说明

（1）文本预处理的重要性

代码中 TextToPhonemeIds 方法是简化版，实际生产环境中需要实现完整的 Piper 中文文本处理逻辑：

参考 Piper 官方中文处理代码（https://github.com/rhasspy/piper/blob/master/piper/phonemize/zh.py）；
实现汉字 → 拼音（带声调）→ 音素的转换；
从 zh_CN-huayan-medium.onnx.json 中读取音素与 ID 的映射字典，完成精准映射。

（2）模型输入输出规范

zh_CN-huayan-medium.onnx 作为 Piper 训练的模型，有固定的输入输出：

输入：名称 input，类型 long（int64），张量形状 [1, N]（N 为音素 ID 数量）；
输出：名称 output，类型 float，张量形状 [1, M]（M 为音频采样点数量）；
采样率：默认 22050 Hz（可从 .onnx.json 配置文件的 audio.sample_rate 字段读取）。

（3）音频后处理

ONNX 模型输出的是 float 类型的原始波形数据（取值范围 $-1, 1$ ），需要转换为 WAV 格式的 16 位整型数据（取值范围 $-32768, 32767$ ），代码中 ConvertFloatAudioToWav 方法已实现该功能（依赖 NAudio 库）。

四、常见问题排查

模型加载失败
- 原因：ONNX 模型路径错误，或 Microsoft.ML.OnnxRuntime 版本与模型不兼容；
- 解决：确认路径正确，尝试升级 / 降级 Microsoft.ML.OnnxRuntime 版本。
推理报错（输入形状不匹配）
- 原因：输入张量形状不符合 [1, N] 要求，或音素 ID 格式错误；
- 解决：确保输入张量为 2 维（批次大小 1，序列长度 N），数据类型为 long。
WAV 文件无声音
- 原因：文本预处理不完整（音素 ID 无效），或音频采样率设置错误；
- 解决：完善音素映射逻辑，确认采样率与 .onnx.json 配置一致。
缺少 .onnx.json 文件
- 原因：未将配置文件与 ONNX 模型放在同一目录，导致无法获取音素映射、采样率等参数；
- 解决：将 zh_CN-huayan-medium.onnx.json 放在 ONNX 模型同级目录。

阿雪技术观

在科技发展浪潮中，我们不妨积极投身技术共享。不满足于做受益者，更要主动担当贡献者。无论是分享代码、撰写技术博客，还是参与开源项目维护改进，每一个微小举动都可能蕴含推动技术进步的巨大能量。东方仙盟是汇聚力量的天地，我们携手在此探索硅基生命，为科技进步添砖加瓦。

Hey folks, in this wild tech - driven world, why not dive headfirst into the whole tech - sharing scene? Don't just be the one reaping all the benefits; step up and be a contributor too. Whether you're tossing out your code snippets, hammering out some tech blogs, or getting your hands dirty with maintaining and sprucing up open - source projects, every little thing you do might just end up being a massive force that pushes tech forward. And guess what? The Eastern FairyAlliance is this awesome place where we all come together. We're gonna team up and explore the whole silicon - based life thing, and in the process, we'll be fueling the growth of technology

幽冥大陆(七十七)C# 调用 中文huayan-medium.onnx —东方仙盟练气期