不用AI也能实现的文字自动播报

Posted 2023-04-04 夜郎king

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了不用AI也能实现的文字自动播报相关的知识，希望对你有一定的参考价值。

背景

如果注意观察的话，在现实生活中，你一定会遇到下列几个场景，一起来看看有没有熟悉的感觉。
场景一、某周某，小明和朋友一起去某美食街进行聚餐，到了美食街找到一家推荐度非常高的美食店。由于推荐度非常高，需要等座，经过简单的扫码预约，小明拿到一个号（大桌xx号，还会显示前面有多少桌），同时在等待窗口会有一个大屏展示，当轮到小明可以去吃饭的吃饭，一定会有广播，“请XX号到XX桌就餐”，而且会广播好几遍，以提醒小明前往就餐。
场景二、某日，小张身体不舒服，前往市里某三甲医院就诊，医院也是人满为患。与场景一相同的是，小张在挂号后，在诊室门口也会同样的进行排队。不同的场景，相同的配方，都是会语音播报，“请XXX到506室就诊”。
场景三、某日，视障人士赵大爷（听力正常）要在某网站上浏览旅游网站，想去某地旅游。在老伴的帮助下，打开了网站，在进入到景点页面后，选择景点播报按钮，赵大爷可以听到关于景点的详细介绍，可以听到网友的旅游攻略。
如上等等，都有一个共同的特点，在现实场景中，需要能动态读取一段文字，然后进行相应的播放，以起到通知和广告的作用。本文将重点阐述基于html5的speechSynthesis技术，实现文字自动播放功能，最后通过对静夜诗的赏析自动播报来展示具体API的实际开发调用。

一、关于SpeechSynthesis

1、SpeechSynthesis简介

SpeechSynthesis是HTML5的一个新特性，基于SpeechSynthesis可以实现在客户浏览器端进行动态文本的语音合成播放。在HTML5中和Web Speech相关的API实际上有两类，一类是“语音识别(Speech Recognition)”，另外一个就是“语音合成(Speech Synthesis)”，这两个名词听上去很高大上，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，世界！” 实际上是把“你”、“好”、“世”、“界”这4个字的读音给合并在一起，因此，称为“语音合成”。

2、SpeechSynthesis的核心类

SpeechSyntehesisUtteranc这个类主要用于控制合成声音的属性配置，比如主要内容，语音模板，语速等等，通过这个核心类控制。它的属性信息如下：

序号	参数	解释
1	text	要合成的文字内容，字符串
2	lang	使用的语言，字符串，例如："zh-cn"
3	voiceURI	指定希望使用的声音和服务，字符串。
4	volume	声音的音量，区间范围是0到1，默认是1
5	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。
6	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

核心方法如下表所示：

序号	方法名	说明
1	onstart	语音合成开始时候的回调。
2	onpause	语音合成暂停时候的回调
3	onresume	语音合成重新开始时候的回调
4	onend	语音合成结束时候的回调
5	onmark	Fired when the spoken utterance reaches a named SSML "mark" tag.

其它更详细的介绍可以参考以下地址Html Web API 接口。这里有更详细的描述，还有详细的示例。

var synth = window.speechSynthesis;
var voices = synth.getVoices();

var inputForm = document.querySelector('form');
var inputTxt = document.querySelector('input');
var voiceSelect = document.querySelector('select');

for(var i = 0; i < voices.length; i++) 
  var option = document.createElement('option');
  option.textContent = voices[i].name + ' (' + voices[i].lang + ')';
  option.value = i;
  voiceSelect.appendChild(option);


inputForm.onsubmit = function(event) 
  event.preventDefault();

  var utterThis = new SpeechSynthesisUtterance(inputTxt.value);
  utterThis.voice = voices[voiceSelect.value];
  synth.speak(utterThis);
  inputTxt.blur();

3、speechSynthesis对象

speechSynthesis是实际调用SpeechSynthesisUtterance对象进行合成播报的。他的属性和方法如下两个表格描述。

序号	名称	描述
1	paused	当SpeechSynthesis 处于暂停状态时， Boolean (en-US) 值返回 true
2	pending	当语音播放队列到目前为止保持没有说完的语音时， Boolean (en-US) 值返回 true 。
3	speaking	当语音谈话正在进行的时候，即使SpeechSynthesis处于暂停状态， Boolean (en-US) 返回 true 。

var synth = window.speechSynthesis;

var inputForm = document.querySelector('form');
var inputTxt = document.querySelector('.txt');
var voiceSelect = document.querySelector('select');

var pitch = document.querySelector('#pitch');
var pitchValue = document.querySelector('.pitch-value');
var rate = document.querySelector('#rate');
var rateValue = document.querySelector('.rate-value');

var voices = [];

function populateVoiceList() 
  voices = synth.getVoices();

  for(i = 0; i < voices.length ; i++) 
    var option = document.createElement('option');
    option.textContent = voices[i].name + ' (' + voices[i].lang + ')';

    if(voices[i].default) 
      option.textContent += ' -- DEFAULT';
    

    option.setAttribute('data-lang', voices[i].lang);
    option.setAttribute('data-name', voices[i].name);
    voiceSelect.appendChild(option);
  


populateVoiceList();
if (speechSynthesis.onvoiceschanged !== undefined) 
  speechSynthesis.onvoiceschanged = populateVoiceList;


inputForm.onsubmit = function(event) 
  event.preventDefault();

  var utterThis = new SpeechSynthesisUtterance(inputTxt.value);
  var selectedOption = voiceSelect.selectedOptions[0].getAttribute('data-name');
  for(i = 0; i < voices.length ; i++) 
    if(voices[i].name === selectedOption) 
      utterThis.voice = voices[i];
    
  
  utterThis.pitch = pitch.value;
  utterThis.rate = rate.value;
  synth.speak(utterThis);

  inputTxt.blur();

在了解了SpeechSynthesis的相关对象的属性和方法之后，就可以用来实现自己的语音播报功能。下一节中重点描述。

二、SpeechSynthesi文本实例合成

1、新建test.html

<!DOCTYPE html>
<html>
 
    <head>
        <meta charset="UTF-8">
        <meta name="viewport" content="width=device-width, initial-scale=1">
        <title>网页版文字转语音朗读功能</title>
        <style>
            article margin: 0 auto;max-width: 800px;text-align: center;
            textarea max-width: 600px;width:100%;text-align: left;
            buttonborder-radius: 3px;border: 1px solid #dddddd;height: 30px;width: 80px;cursor: pointer;
        </style>
    </head>
 
    <body>
        <article>
            <h3 align="center">请在下面文本框中输入要朗读的文本：</h3>
            <p>
                <textarea id="texts" rows="15" class="_play">本网页版本语音合成播报支持Microsoft Edge等浏览器，不必连接网络。</textarea>
            </p>
            <p>
                <label>选择播报语音：</label>
                <select id="voiceSelect" onchange="play()"></select>
            </p>
            <button class="_search" onclick="play()">开始</button>
            <button onclick="resume()">继续</button>
            <button onclick="pause()">暂停</button>
            <!-- <button onclick="cancel()">清除队列</button> -->
            <button onclick="cls()">清空文本</button>
        </article>
    </body>
</html>

生成本地支持的语音模板，不同的浏览器获取到的支持信息可能不一样，大家可以根据实际情况添加，而且有的添加了也不一定支持播放。

//创建选择语言的select标签
function populateVoiceList() 
      voices = speechSynthesis.getVoices();
      for(i = 0; i < voices.length; i++) 
           var option = document.createElement('option');
           option.textContent = voices[i].name + ' (' + voices[i].lang + ')';
 
           if(voices[i].default) 
              option.textContent += ' -- DEFAULT';
            
           option.setAttribute('data-lang', voices[i].lang);
           option.setAttribute('data-name', voices[i].name);
           voiceSelect.appendChild(option);
      

 
setTimeout(function() 
       populateVoiceList();
, 500) //

2、定义相关播放方法

if(!('speechSynthesis' in window)) 
    throw alert("对不起，您的浏览器不支持")

 
var _play = document.querySelector("._play"),
to_speak = window.speechSynthesis,
dataName, voiceSelect = document.querySelector("#voiceSelect"),
voices = [];
 
function play() 
  myCheckFunc();//检查文本框是否为空
  cancel(); //
  to_speak = new SpeechSynthesisUtterance(_play.value);
 
  //to_speak.rate = 1.4;// 设置播放语速，范围：0.1 - 10之间
 
  var selectedOption = voiceSelect.selectedOptions[0].getAttribute('data-name');
  for(i = 0; i < voices.length; i++) 
  if(voices[i].name === selectedOption) 
        to_speak.voice = voices[i];
       
   
   window.speechSynthesis.speak(to_speak);
 
 //暂停
function pause() 
     myCheckFunc();//检查文本框是否为空
     window.speechSynthesis.pause();

//继续播放
function resume() 
    myCheckFunc();//检查文本框是否为空
    window.speechSynthesis.resume(); //继续

//清除所有语音播报创建的队列
function cancel() 
    window.speechSynthesis.cancel();

//清空文本框
function cls()  
    document.getElementById("texts").value=""; 清空文本框

//检查文本框是否为空
function myCheckFunc() 
    let x;
    x = document.getElementById("texts").value;
    try 
        if (x === "")
             throw "文本框为空";
          catch (error) 
         alert( "提示" + error);

3、本地语言支持

//创建选择语言的select标签
function populateVoiceList() 
    voices = speechSynthesis.getVoices();
    for(i = 0; i < voices.length; i++) 
        var option = document.createElement('option');
        option.textContent = voices[i].name + ' (' + voices[i].lang + ')';

        if(voices[i].default) 
            option.textContent += ' -- DEFAULT';
        
        option.setAttribute('data-lang', voices[i].lang);
        option.setAttribute('data-name', voices[i].name);
        voiceSelect.appendChild(option);

浏览器支持

以下是浏览器的支持情况，从图中可以看到它的浏览器支持是不太全的，但基本覆盖了主流浏览器，从使用场景上来说基本可以完成覆盖。

三、总结

以上就是本文的主要内容，本章重点介绍了Html5中SpeechSynthesis这个类，通过这个类完成了一个诗词类赏析文本的播报功能，原始文件可以从基于HTML的文本语音自动播报下载。带上耳机，您可以听到真实的语音播报。再回到本文最开始，如果要你实现一个排队播报的功能，是否可以自行设计并达到要求呢？可以请大家自行尝试。还有许多有意思的场景可以去探讨，做成有意义的实际项目，行文仓促，权当抛砖引玉，如有不当，敬请谅解。