前端开发攻略---用原生JS在网页中也能实现文本转语音

news2025/1/16 3:43:44

1、原理

语音合成 (也被称作是文本转为语音，英语简写是 tts) 包括接收 app 中需要语音合成的文本，再在设备麦克风播放出来这两个过程。

Web API中对此有一个主要控制接口 SpeechSynthesis，外加一些处理如何表示要被合成的文本 (也被称为 utterances)，用什么声音来播出 utterances 等工作的相关接口。同样的，许多操作系统都有自己的某种语音合成系统，在这个任务中我们调用可用的 API 来使用语音合成系统。

2、示例

您可以直接复制下面代码运行在浏览器中

<!DOCTYPE html>
<html lang="en">
  <head>
    <meta charset="UTF-8" />
    <meta name="viewport" content="width=device-width, initial-scale=1.0" />
    <title>Document</title>
    <script src="https://cdn.bootcdn.net/ajax/libs/axios/1.5.0/axios.js"></script>
  </head>
  <body>
    <div>
      <input type="text" />
      <button>开始播放语音</button>
    </div>
  </body>
  <script>
    const btn = document.querySelector('button')
    const ipt = document.querySelector('input')

    function speak({ text, speechRate, lang, volume, pitch }, endEvent, startEvent) {
      if (!window.SpeechSynthesisUtterance) {
        console.warn('当前浏览器不支持文字转语音服务')
        return
      }
      if (!text) {
        return
      }
      const speechUtterance = new SpeechSynthesisUtterance()
      speechUtterance.text = text
      speechUtterance.rate = speechRate || 1
      speechUtterance.lang = lang || 'zh-CN'
      speechUtterance.volume = volume || 1
      speechUtterance.pitch = pitch || 1
      speechUtterance.onstart = function (e) {
        startEvent && startEvent()
      }
      speechUtterance.onend = function (e) {
        endEvent && endEvent()
      }
      speechSynthesis.speak(speechUtterance)

      return speechUtterance
    }

    btn.addEventListener('click', function () {
      if (!ipt.value) return
      speak(
        {
          text: ipt.value,
        },
        function () {
          console.log('语音播放结束')
        },
        function () {
          console.log('语音开始播放')
        }
      )
    })
  </script>
</html>

支持的浏览器

Firefox 桌面版和移动版。
Firefox OS 2.5+。
Chrome 桌面版和安卓版。

注意：如果效果演示失败，大概是由于您当前使用的浏览器不支持语音转文字这个API，请更换浏览器后重试！

3、解析speak函数

接受参数

text：要转换为语音的文本内容。
speechRate：语音播放速率。
lang：语音的语言代码。
volume：语音的音量。
pitch：语音的音调。

1、另外，它还接受两个回调函数作为参数：endEvent 和 startEvent。endEvent 在语音播放结束时触发，而 startEvent 在语音播放开始时触发。

2、函数首先检查浏览器是否支持语音合成服务，如果不支持则输出警告信息并返回。然后它检查是否传入了要转换的文本内容，如果没有则直接返回。

3、接着，函数创建了一个 SpeechSynthesisUtterance 对象，该对象表示一段要朗读的文本。

4、然后将传入的参数赋值给这个对象的相应属性，如文本内容、语速、语言、音量和音调。

在设置好 SpeechSynthesisUtterance 对象的属性后，

5、函数设置了两个事件处理程序：onstart 和 onend。onstart 事件处理程序在语音播放开始时触发 startEvent 回调函数，onend 事件处理程序在语音播放结束时触发 endEvent 回调函数。

6、最后，函数通过 speechSynthesis.speak() 方法来开始语音合成，将 SpeechSynthesisUtterance 对象传递给该方法以开始朗读文本，并返回这个 SpeechSynthesisUtterance 对象。