在日常开发中，你是否遇到过这样的需求：用户输入一段文本，系统自动转成语音文件供下载？比如智能客服的语音通知、教育平台的有声讲解、政务系统的语音播报等。—— 基于 Jacob 框架调用 Windows 系统语音接口，结合 Spring Boot 快速开发文本转语音（TTS）+ 文件下载接口。
一、先搞懂：为什么这么选技术？
做开发先选对工具，这个需求的核心是 “文本转语音” 和 “文件下载”，我们的技术栈选型都是围绕这两个点来的，理由很实在：

1. 核心技术栈及作用
   •Spring Boot：不用多说，快速搭 Web 接口的神器，处理 HTTP 请求、参数校验、依赖注入一步到位，省去传统 SSM 的繁琐配置；
   •Jacob：Java COM Bridge 的缩写，能让 Java 代码调用 Windows 系统的 COM 组件 —— 这里主要用它调用 Windows 自带的 SAPI（Speech API），不用额外部署语音服务，轻量又免费；
   •Java IO 流：生成的语音文件要通过流写入 HTTP 响应，实现浏览器下载，这部分是 Java 基础但关键的操作。
2. 环境准备（避坑第一步）
   这个方案有个前提：只能在 Windows 系统运行（因为 Jacob 依赖 Windows COM 组件），如果是 Linux/macOS，后面会给替代方案。

首先加 Jacob 依赖（pom.xml）：

<dependency>
    <groupId>com.jacob</groupId>
    <artifactId>jacob</artifactId>
    <version>1.19</version> <!-- 稳定版本，建议不随意升级 -->
</dependency>

重点避坑：光加依赖不够，还要下载对应系统位数的jacob-1.19-x64.dll（64 位系统）或jacob-1.19-x86.dll（32 位），放到 JRE 的bin目录下（比如C:\Program Files\Java\jre1.8.0_301\bin），否则会报 “找不到 dll” 的错误！
二、核心功能实现：两步搞定需求
整个流程很清晰：第一步，写个工具类把文本转成 MP3 文件；第二步，写个接口让用户调用，生成文件后直接下载。咱们一步步来，代码都标了详细注释，放心抄！
第一步：文本转语音工具类（SpeakUtils）
这个工具类是核心，负责调用 Windows 语音接口生成 MP3 文件。关键点有三个：初始化 COM 组件、设置语音参数（音量 / 语速）、释放资源避免内存泄漏。

import com.jacob.activeX.ActiveXComponent;
import com.jacob.com.ComThread;
import com.jacob.com.Dispatch;
import com.jacob.com.Variant;
import lombok.extern.slf4j.Slf4j;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.stereotype.Component;
import java.io.File;
import java.text.SimpleDateFormat;
import java.util.Date;
import java.util.UUID;
@Slf4j
@Component // 交给Spring管理，方便注入
public class SpeakUtils {
    // 语音文件存储根路径，建议配置在application.yml里，方便修改
    @Value("${file.upload.path:C:/temp/speak-files}") 
    private String uploadPath;
    /**
     * 文本转语音，生成MP3文件
     * @param speakText 要转换的文本（比如“你好，这是测试语音”）
     * @return 生成的MP3文件路径（如C:/temp/speak-files/20240520/123456.mp3）
     */
    public String textToSpeech1(String speakText) {
        // 1. 初始化COM线程（Jacob必须要，STA模式适配Windows COM组件）
        ComThread.InitSTA();
        String filePath = "";
        // 2. 按日期分目录存储，避免单目录文件太多（比如20240520这天的文件放一个文件夹）
        String dateDir = new SimpleDateFormat("yyyyMMdd").format(new Date());
        File dir = new File(uploadPath + File.separator + "speak" + File.separator + dateDir);
        if (!dir.exists()) {
            dir.mkdirs(); // 不存在就创建目录
        }
        // 3. 生成唯一文件名（用UUID避免重复，比如a1b2c3d4.mp3）
        String fileName = UUID.randomUUID().toString().replace("-", "") + ".mp3";
        filePath = dir.getPath() + File.separator + fileName;
        File targetFile = new File(filePath);
        // 4. 如果文件已经存在，直接返回路径（避免重复生成，优化性能）
        if (targetFile.exists()) {
            log.info("语音文件已存在，直接返回：{}", filePath);
            return filePath;
        }
        // 5. 声明COM组件对象（要记得最后释放！）
        ActiveXComponent axVoice = null;    // 语音引擎组件
        Dispatch spVoice = null;            // 语音操作对象
        ActiveXComponent axFileStream = null;// 文件流组件
        Dispatch spFileStream = null;        // 文件流操作对象
        ActiveXComponent axAudioFormat = null;// 音频格式组件
        Dispatch spAudioFormat = null;        // 音频格式操作对象
        try {
            // 初始化语音引擎：Sapi.SpVoice是Windows自带的语音组件
            axVoice = new ActiveXComponent("Sapi.SpVoice");
            spVoice = axVoice.getObject();
            // 设置音量（0-100，100最大）
            axVoice.setProperty("Volume", new Variant(100));
            // 设置语速（-10到10，负数变慢，正数变快，-2是比较自然的语速）
            axVoice.setProperty("Rate", new Variant(-2));
            // 初始化文件流：用于把语音写入MP3文件
            axFileStream = new ActiveXComponent("Sapi.SpFileStream");
            spFileStream = axFileStream.getObject();
            // 初始化音频格式：设置为MP3格式（Type=22是MP3，1是WAV，别改错了！）
            axAudioFormat = new ActiveXComponent("Sapi.SpAudioFormat");
            spAudioFormat = axAudioFormat.getObject();
            Dispatch.put(spAudioFormat, "Type", new Variant(22));
            // 把音频格式绑定到文件流
            Dispatch.putRef(spFileStream, "Format", spAudioFormat);
            // 打开文件流：3表示“可写模式”，true表示“如果文件不存在就创建”
            Dispatch.call(spFileStream, "Open", new Variant(filePath), new Variant(3), new Variant(true));
            // 把语音输出方向绑定到文件流（原本是输出到扬声器，现在改到文件）
            Dispatch.putRef(spVoice, "AudioOutputStream", spFileStream);
            // 核心操作：执行文本朗读（其实是把语音写入文件）
            Dispatch.call(spVoice, "Speak", new Variant(speakText));
            // 收尾：关闭文件流，解绑输出
            Dispatch.call(spFileStream, "Close");
            Dispatch.putRef(spVoice, "AudioOutputStream", null);
            log.info("语音文件生成成功：{}", filePath);
        } catch (Exception e) {
            log.error("生成语音失败！文本：{}", speakText, e);
            // 失败时删除空文件，避免垃圾文件
            if (targetFile.exists() && targetFile.length() == 0) {
                targetFile.delete();
            }
        } finally {
            // 关键：按创建顺序反向释放资源，避免内存泄漏！
            if (spAudioFormat != null) spAudioFormat.safeRelease();
            if (axAudioFormat != null) axAudioFormat.safeRelease();
            if (spFileStream != null) spFileStream.safeRelease();
            if (axFileStream != null) axFileStream.safeRelease();
            if (spVoice != null) spVoice.safeRelease();
            if (axVoice != null) axVoice.safeRelease();
            // 清理COM线程（必须加，否则会有资源残留）
            try {
                ComThread.Release();
                ComThread.InitSTA(false); // 清理旧上下文
            } catch (Exception e) {
                log.error("清理COM线程失败", e);
            }
        }
        return filePath;
    }
}

第二步：写下载接口（SpeakDownloadController）
接口很简单：接收用户传的文本参数，调用上面的工具类生成 MP3，然后通过 IO 流把文件写给浏览器，触发下载。还要注意文本预处理（过滤特殊字符）和中文文件名乱码问题。

import lombok.extern.slf4j.Slf4j;
import org.apache.commons.lang3.StringUtils;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;
import java.io.BufferedInputStream;
import java.io.File;
import java.io.FileInputStream;
import java.io.OutputStream;
import java.net.URLEncoder;
@Slf4j
@RestController
public class SpeakDownloadController {
    // 注入语音工具类
    @Autowired
    private SpeakUtils speakUtils;
    // 要过滤的特殊字符（比如标点、空格，避免影响语音生成），建议配置在application.yml
    private String filterChars = "，。！？；：\"'（）【】、， ";
    /**
     * 文本转语音并下载接口
     * 调用示例：http://localhost:8080/downloadSpeak?speakText=你好，这是测试语音
     * @param speakText 要转换的文本（必填）
     * @param response 用于设置下载响应头
     */
    @GetMapping("/downloadSpeak")
    public void downloadSpeak(@RequestParam(name = "speakText", required = true) String speakText,
                              HttpServletResponse response) {
        // 1. 文本预处理：过滤特殊字符
        if (StringUtils.isNotBlank(speakText)) {
            String[] charsToFilter = filterChars.split(",");
            for (String c : charsToFilter) {
                speakText = speakText.replace(c, "");
            }
            speakText = speakText.replace(" ", ""); // 额外过滤空格
            log.info("预处理后文本：{}", speakText);
        } else {
            log.error("文本为空，无法生成语音");
            return;
        }
        // 2. 生成语音文件
        String filePath = speakUtils.textToSpeech1(speakText);
        File audioFile = new File(filePath);
        if (!audioFile.exists() || audioFile.length() == 0) {
            log.error("语音文件不存在或为空：{}", filePath);
            return;
        }
        // 3. 用IO流把文件写给浏览器，实现下载
        BufferedInputStream bis = null;
        OutputStream os = null;
        try {
            // 设置响应头：强制下载，避免浏览器预览
            response.setContentType("application/force-download");
            // 处理中文文件名乱码（URLEncoder编码）
            String fileName = URLEncoder.encode(speakText + ".mp3", "UTF-8");
            response.addHeader("Content-Disposition", "attachment;fileName=" + fileName);
            // 设置文件大小（可选，但能让浏览器显示下载进度）
            response.setContentLength((int) audioFile.length());
            // 读取文件并写入响应流
            bis = new BufferedInputStream(new FileInputStream(audioFile));
            os = response.getOutputStream();
            byte[] buffer = new byte[1024]; // 1KB缓冲
            int len;
            while ((len = bis.read(buffer)) != -1) {
                os.write(buffer, 0, len);
            }
            // 刷新流，确保数据全部写出
            response.flushBuffer();
            log.info("语音文件下载成功：{}", fileName);
        } catch (Exception e) {
            log.error("下载语音文件失败", e);
        } finally {
            // 关闭流（必须加，避免资源泄漏）
            try {
                if (bis != null) bis.close();
                if (os != null) os.close();
            } catch (Exception e) {
                log.error("关闭流失败", e);
            }
        }
    }
}

三、这些坑我替你踩过了
写代码时遇到几个坑，这里总结出来，你照着避就行：

1. Jacob 组件的 3 个关键注意点
   •COM 线程必须初始化和释放：ComThread.InitSTA()和ComThread.Release()缺一不可，否则会导致内存泄漏，Windows 任务管理器里的javaw.exe进程会越来越多；
   •资源释放顺序要对：按 “音频格式→文件流→语音引擎” 的反向顺序释放，就像代码里那样，不然可能释放不干净；
   •音频格式 Type 别乱改：要生成 MP3 就设Type=22，生成 WAV 设Type=1，其他值可能导致文件无法播放。
2. 中文乱码怎么解决？
   •文件名乱码：用URLEncoder.encode(fileName, “UTF-8”)编码，兼容所有浏览器；
   •文本内容乱码：确保接口接收参数时用 UTF-8 编码（Spring Boot 默认是 UTF-8，不用额外配置）。
3. 文件下载的响应头怎么设？
   •Content-Type: application/force-download：告诉浏览器这是要下载的文件，不是预览的；
   •Content-Disposition: attachment;fileName=xxx.mp3：指定下载后的文件名；
   •Content-Length：可选，但加上能让浏览器显示下载进度，体验更好。
   四、常见问题解决方案（收藏这部分！）
   遇到问题别慌，先看这里，90% 的问题都能解决：

问题现象 可能原因 解决方案
启动报错 “UnsatisfiedLinkError: no jacob in java.library.path” 没放 jacob.dll，或放的路径不对 把对应位数的 dll 放到 JRE 的 bin 目录，或用 System.setProperty (“jacob.dll.path”, “dll 路径”) 指定
生成的 MP3 文件为空 1. 文本为空；2. COM 组件没释放；3. 音频格式 Type 错了 1. 加文本非空校验；2. 检查资源释放顺序；3. 确认 Type=22
下载的文件名是乱码 没对文件名编码 用 URLEncoder.encode (fileName, “UTF-8”) 处理
语音语速太快 / 太慢 语速参数设错了 调整 axVoice.setProperty (“Rate”, new Variant (-2))，范围 - 10 到 10
五、扩展优化：让功能更实用
如果要用到生产环境，这些优化点可以加上：

1. 跨平台适配（Linux/macOS 用户看这里）
   Jacob 只支持 Windows，要跨平台的话，换成第三方云服务的语音合成 API，比如：
   •百度智能云语音合成：免费额度足够测试，支持多语种、多音色；
   •阿里云语音合成：稳定性好，适合生产环境；
   •腾讯云语音合成：接口简单，文档清晰。
2. 性能优化
   •加缓存：相同的文本不用重复生成，用 Redis 缓存 “文本→文件路径” 的映射，过期时间设 1 天；
   •异步生成：高并发场景下，用 Spring 的 @Async 注解异步生成语音文件，避免阻塞 HTTP 请求；
   •文件清理：用定时任务（比如 Quartz）清理 3 天前的旧文件，避免磁盘占满。
3. 功能扩展
   •自定义语速 / 音量：接口加rate和volume参数，让用户自己调；
   •支持多格式：除了 MP3，还支持生成 WAV（改音频格式 Type=1）；
   •文本长度限制：防止用户传超长文本，加个限制（比如最多 500 字），超长就分段生成。
   六、总结
   今天这个方案，适合 Windows 环境下的轻量级文本转语音需求，不用部署额外服务，成本低、上手快。核心是掌握 Jacob 调用 COM 组件的方法，以及 IO 流下载文件的逻辑。
   如果你的项目要跨平台，或者需要更丰富的语音效果（比如情感语音、方言），建议用云服务 API；如果只是内部系统用，这个方案完全够用。
   最后，代码已经给全了，你只要替换一下文件存储路径，放好 jacob.dll，就能跑起来