html5语音合成speechsynthesisApi

一、关于HTML5语音Web Speech API

HTML5中和Web Speech相关的API实际上有两类：

一类是“语音识别(Speech Recognition)”，另一个就是“语音合成(Speech Synthesis)”，实际上指的分别是“语音转文字”，和“文字变语音”。

而本文要介绍的就是这里的“语音合成-文字变语音”。为什么称为“合成”呢？比方说你Siri发音“你好，财富！” 实际上是把“你”、“好”、“财”、“富”这4个字的读音给合并在一起，因此，称为“语音合成”。

“语音识别(Speech Recognition)”目前的就Chrome浏览器和Opera浏览器默认支持

“语音合成(Speech Synthesis)”的兼容性要好上太多了Chrome，FF，Edge，Safari等等都是支持

使用方式

• 创建SpeechRecognition的新实例。由于到目前为止，浏览器还没有广泛支持，所以需要webKit的前缀

var newRecognition = webkitSpeechRecognition();

设置是持续听还是听到声音之后就关闭接收。通过设置continuous属性值实现。一般聊天沟通使用false属性值，如果是写文章之类的则可以设置为true，如下：

newRecognition.continuous = true;

• 控制语音识别的开启和停止，可以使用start()和stop()方法：

?// 开启 newRecognition.start();

// 停止 newRecognition.stop();

• 对识别到的结果进行处理，可以使用一些事件方法，比方说onresult：

newRecognition.onresult = function(event) { 
    console.log(event);
}

除了result事件外，还有其他一些事件，例如，soundstart、speechstart、error等信息。

二、关于语音合成Speech Synthesis API?

先从最简单的例子说起，如果想让浏览器读出“你好，财富！”的声音，可以下面的JS代码：

var utterStr = new window.SpeechSynthesisUtterance(‘你好，财富！‘); window.speechSynthesis.speak(utterStr);?

?大家可以在自己浏览器的控制台里面运行上面两行代码，会读出声音来的，如下：

SpeechSynthesisUtterance和speechSynthesis，就是语音合成Speech Synthesis API的核心。

首先是SpeechSynthesisUtterance对象，主要用来构建语音合成实例，例如上面代码中的实例对象utterStr。我们可以直接在构建的时候就把要读的文字内容写进去：

var utterStr = new window.SpeechSynthesisUtterance(‘你好，财富！‘); 

也可以使用实例对象的一些属性，包括：

• text?– 要合成的文字内容，字符串。
• lang?– 使用的语言，字符串， 例如："zh-cn"
• voiceURI?– 指定希望使用的声音和服务，字符串。
• volume?– 声音的音量，区间范围是0到1，默认是1。
• rate?– 语速，数值，默认值是1，范围是0.1到10，表示语速的倍数，例如2表示正常语速的两倍。
• pitch?– 表示说话的音高，数值，范围从0（最小）到2（最大）。默认值为1。

因此上面的代码也可以写成

var utterStr = new window.SpeechSynthesisUtterance();
utterStr.text = '你好，财富！';

不仅如此，该实例对象还暴露了一些方法：

• onstart?– 语音合成开始时候的回调。
• onpause?– 语音合成暂停时候的回调。
• onresume?– 语音合成重新开始时候的回调。
• onend?– 语音合成结束时候的回调。

接下来是speechSynthesis对象，主要作用是触发行为，例如读，停，还原等：

• speak()?– 只能接收SpeechSynthesisUtterance作为唯一的参数，作用是读合成的话语。

• stop()?– 立即终止合成过程。

• pause()?– 暂停合成过程。

• resume()?– 重新开始合成过程。

• getVoices?– 此方法不接受任何参数，用来返回浏览器支持的语音包列表，是个数组，例如，在我的电脑下，Firefox浏览器返回的语言包是两个：

?而在chrome浏览器下，会出现更多语言包：

另外，getVoices的获取是个异步的过程，因此，你可以直接在控制台输入，speechSynthesis.getVoices()返回的是一个空数组，没关系，多试几次，或者搞个定时器之类的

三、语音合成Speech Synthesis API有什么用

对于盲人或弱视用户，往往会借助一些辅助设备或者软件访问我们的网页，其原理是通过触摸或定位某些元素发出声音，来让用户感知内容。
有了语音合成Speech Synthesis API，对于这类用户，以及开发人员自己，都会带来一定的便利性的。

?

?