TTS 返回语音优化

vetti-admin/src/main/java/com/vetti/socket/ChatWebSocketHandler.java

@@ -146,7 +146,9 @@ public class ChatWebSocketHandler {
                             try {
                                 File inputFile = new File(resultPathUrl);
                                 File outputFile = new File(resultPathUrl);
-                                trimSilence(inputFile, outputFile);
+                                // 设置去除尾部的秒数
+                                float removeSeconds = 0.25f;  // 去除最后5秒
+                                trimEndByTime(inputFile, outputFile, removeSeconds);
                                 //文件转换成文件流
                                 ByteBuffer outByteBuffer = convertFileToByteBuffer(resultPathUrl);
                                 //发送文件流数据
@@ -408,30 +410,37 @@ public class ChatWebSocketHandler {
     }
 
 
-    // 截取音频流，去除静音部分
+    // 裁剪音频文件，去除最后多少秒
-    public void trimSilence(File inputFile, File outputFile) {
+    public void trimEndByTime(File inputFile, File outputFile, float removeSeconds) {
         try {
-            // 获取音频流
+            // 获取音频输入流
             AudioInputStream audioInputStream = AudioSystem.getAudioInputStream(inputFile);
             AudioFormat format = audioInputStream.getFormat();
 
-            // 将音频流转为字节数组
+            // 获取音频文件的总帧数
-            byte[] audioBytes = audioInputStream.readAllBytes();
+            long totalFrames = audioInputStream.getFrameLength();
 
-            // 去除前后静音部分
+            // 计算音频文件的总时长（秒）
-            int start = findNonSilenceStart(audioBytes, format);
+            float totalDuration = totalFrames / format.getSampleRate();
-            int end = findNonSilenceEnd(audioBytes, format);
 
-            // 截取音频流
+            // 计算新的结束位置（去除指定的时间后）
-            byte[] trimmedAudio = new byte[end - start];
+            long newEndFrame = (long) ((totalDuration - removeSeconds) * format.getSampleRate());
-            System.arraycopy(audioBytes, start, trimmedAudio, 0, trimmedAudio.length);
 
-            // 创建新的音频输入流
+            // 确保裁剪的结束帧在合理范围内
-            ByteArrayInputStream byteArrayInputStream = new ByteArrayInputStream(trimmedAudio);
+            if (newEndFrame < 0) {
-            AudioInputStream trimmedAudioStream = new AudioInputStream(byteArrayInputStream, format, trimmedAudio.length / format.getFrameSize());
+                System.out.println("去除的时间超过了音频的总时长");
+                return;
+            }
 
-            // 保存裁剪后的音频文件
+            // 创建一个新的输入流，裁剪音频数据
-            AudioSystem.write(trimmedAudioStream, AudioFileFormat.Type.WAVE, outputFile);
+            AudioInputStream trimmedStream = new AudioInputStream(
+                    audioInputStream,
+                    format,
+                    newEndFrame
+            );
+
+            // 创建新的文件并保存裁剪后的音频
+            AudioSystem.write(trimmedStream, AudioFileFormat.Type.WAVE, outputFile);
             System.out.println("裁剪后的音频已保存到: " + outputFile.getAbsolutePath());
 
             audioInputStream.close();
@@ -440,27 +449,5 @@ public class ChatWebSocketHandler {
         }
     }
 
-    // 找到音频流中非静音部分的开始位置
-    private int findNonSilenceStart(byte[] audioBytes, AudioFormat format) {
-        int threshold = 10; // 假设小于这个值的幅度为静音
-        for (int i = 0; i < audioBytes.length; i++) {
-            if (Math.abs(audioBytes[i]) > threshold) {
-                return i;
-            }
-        }
-        return 0; // 如果音频全是静音，返回 0
-    }
-
-    // 找到音频流中非静音部分的结束位置
-    private int findNonSilenceEnd(byte[] audioBytes, AudioFormat format) {
-        int threshold = 10; // 假设小于这个值的幅度为静音
-        for (int i = audioBytes.length - 1; i >= 0; i--) {
-            if (Math.abs(audioBytes[i]) > threshold) {
-                return i + 1;
-            }
-        }
-        return audioBytes.length; // 如果音频全是静音，返回音频的最后位置
-    }
-
 }