聽一下就會發(fā)現(xiàn)，播放出來的聲音并不是預先錄制好的音頻資料，而是通過文字識別后合成的語音

請先戴上耳機，然后將下面的代碼復制到chrome控制臺中體驗～

let msg = new SpeechSynthesisUtterance("歡迎你閱讀我的博客");
window.speechSynthesis.speak(msg);

看，前端實現(xiàn)語音合成并不難

今天的主角 Speech Synthesis API

通過上面的例子我們可以猜測到上面調(diào)用的兩個方法的功能

SpeechSyntehesisUtteranc
window.speechSynthesis.speak

當然了，語音合成不僅僅包含這兩個API，but我們先從這兩點入手

SpeechSyntehesisUtteranc

參考：developer.mozilla.org/en-US/docs/… SpeechSyntehesisUtteranc 對象包含了語音服務要讀取的內(nèi)容和一些參數(shù)，比如語言，音高和音量

SpeechSyntehesisUtteranc()
SpeechSynthesisUtterance.lang
SpeechSynthesisUtterance.pitch
SpeechSynthesisUtterance.rate
SpeechSynthesisUtterance.voice
SpeechSynthesisUtterance.volume

注意：以上屬性都是 可讀寫 的！ 可以把下面這段代碼copy下來嘗試一下，注釋中會有說明

let msg = new SpeechSynthesisUtterance();
msg.text = "how are you" // 要合成的文本
msg.lang = "en-US" // 美式英語發(fā)音（默認自動選擇）
msg.rate = 2  // 二倍速（默認為 1，范圍 0.1～10）
msg.pitch = 2 // 高音調(diào)（數(shù)字越大越尖銳，默認為 1，范圍 0～2 ）
msg.volume = 0.5 // 音量 0.5 倍（默認為1，范圍 0～1）
window.speechSynthesis.speak(msg);

同時這個對象還可以響應一系列事件，可能會用到的：

• start
• end
• boundary
• pause
• resume

借助這些事件我們可以完成一些簡單的功能，比如英文句子的單詞數(shù)量統(tǒng)計：

let count = 0; // 詞語數(shù)量
let msg = new SpeechSynthesisUtterance();
let synth = window.speechSynthesis;
msg.addEventListener('start',()=>{
    // 開始閱讀
    console.log(`文本內(nèi)容： ${msg.text}`);
    console.log("start");
});
msg.addEventListener('end',()=>{
    // 閱讀結束
    console.log("end");
    console.log(`文本單詞（詞語）數(shù)量：${count}`);
    count = 0;
});
msg.addEventListener('boundary',()=>{
    // 統(tǒng)計單詞
    count++;
});

經(jīng)過嘗試，由于中文沒有用空格將每個詞語分開，所以會進行自動的識別，比如 歡迎讀者 會被識別為 歡迎 和 讀者 兩個詞語

SpeechSynthesis

參考： developer.mozilla.org/en-US/docs/…

說完了 SpeechSyntehesisUtteranc 我們再來看看 SpeechSynthesis

SpeechSynthesis 的主要作用是對語音進行一系列的控制，比如開始或者暫停

它有三個只讀屬性，表明了語音的狀態(tài)：

SpeechSynthesis.paused
SpeechSynthesis.pending

同時還有一系列方法用來操作語音：

•SpeechSynthesis.speak() 開始讀語音，同時觸發(fā) start 事件
•SpeechSynthesis.pause() 暫停，同時觸發(fā) pause 事件
•SpeechSynthesis.resume() 繼續(xù)，同時觸發(fā) resume 事件
•SpeechSynthesis.cancel() 取消閱讀，同時觸發(fā) end 事件

基于這些操作方法，我們可以進一步增強我們的文字閱讀器：

回到最初的起點

讓我們回到最初的起點，我們可以基于上面的內(nèi)容猜測一下有些網(wǎng)站中，文章的自動閱讀是怎么實現(xiàn)的

如果這個網(wǎng)站前端采用了 MVVM 框架（以 Vue 為例），那么文章內(nèi)容是也許存儲在 data 中，可以用來構造我們需要的語音合成

當然，也有可能文章是通過 ajax 請求得到的，解析請求的數(shù)據(jù)，構造語音合成對象

如果文章是直接在 html 中寫死的，這個時候就需要對 DOM 進行解析，經(jīng)過測試，即便是下面這樣的混亂的結構

<div id="test">
    <p>1</p>
    <p>2</p>
    <ul>
        <li>3</li>
        <li>4</li>
    </ul>
    <table>
        <tr>
            <td>5</td>
            <td>6</td>
        </tr>
        <tr>
            <td>7</td>
            <td>8</td>
        </tr>
    </table>
    <img src="https://www.baidu.com/img/bd_logo1.png" alt="">
    9
</div>

直接通過 innerText 讀取其中的文本，然后構造語音合成對象，也能按照期望順序閱讀（圖片會被忽略）

當然如果我們想要忽略一些特殊的結構，比如表格，我們可以花一些精力在解析上，把我們不想要的數(shù)據(jù)或者 DOM 元素篩掉

不管怎樣，我們都能找到合適的解決方案～

閑話

這個特性，是一個還在草案中的特性，沒有被廣泛支持

再次強調(diào)，這個 API 暫時還不能應用到生產(chǎn)環(huán)境中

目前比較通用的做法是在后端構造將文本合成成語音文件的 API（也許是第三方 API），然后在前端作為媒體播放

曾經(jīng)在我迷茫的時候，我去閱讀一些大牛的文章，讀到一些前輩對前端開發(fā)的思考。其中有一點令我印象深刻：

前端是最貼近用戶的，一切要從用戶的的角度考慮，無障礙使用也是一個很重要的課題。雖然做這樣的功能帶來的收益遠遠小于其他業(yè)務，但是為了讓產(chǎn)品更好的服務用戶，多付出一些勞動也是值得的，這也是前端開發(fā)的一種精神
 

總結

以上所述是小編給大家介紹的鮮為人知的HTML5語音合成功能，希望對大家有所幫助，如果大家有任何疑問歡迎給我留言，小編會及時回復大家的！

最新評論