我想播放一些只有数字的文本转语音。我可以录制10个wav文件，但我如何以编程方式组合它们?
例如，用户输入1234，文本转语音将1.wav与2.wav、3.wav和4.wav组合成1234.wav，播放"一二三四"。
1)创建一个新的目标样本缓冲区(您将需要知道其大小)。
2)读取示例(例如使用AudioFile和ExtAudioFile api)并按顺序将它们写入缓冲区。您可能需要在文件之间添加静默。
如果你的文件都是相同的位深度(目标位深度- 16应该很好)和采样率，这将会有所帮助。
或者，如果你有固定的，已知的采样率和位深度的所有文件，你可以把它们保存为原始样本数据，并在更短的时间内完成，因为你可以简单地附加数据，而不需要编写所有额外的音频文件读取程序。
开源项目wavtools为这类工作提供了一个很好的参考，如果您可以使用perl的话。否则，在一些java示例中也会出现类似的问题。
最简单的通用。wav (RIFF)文件格式在原始PCM样本前面只有一个44字节的头。因此，对于这些简单类型的.wav文件，您可以尝试作为原始字节读取这些文件，从除第一个文件外的所有文件中删除44字节的头，并将示例连接起来。或者直接使用Audio Queue API播放连接的样本。