三文带你轻松上手鸿蒙的 AI 语音 03-文本合成声音
前言
接上文 三文带你轻松上手鸿蒙的 AI 语音 02-声音文件转文本
HarmonyOS NEXT 提供的 AI 文本合并语音功能，可以将一段不超过 10000 字符的文本合成为语音并进行播报。
场景举例
- 手机在无网状态下，系统应用无障碍（屏幕朗读）接入文本转语音能力，为视障人士提供播报能力。
- 类似微信读书，可以实现将文章内容通过语音朗读，可以在无法不方便阅读文章时提供帮助，如一边送外卖一边听书。
实现效果
使用流程
- 创建文本合成语音引擎
- 设置监听回调
- 开始合成
创建文本合成语音引擎
文末会提供封装后的代码
创建文本合成语音引擎需要先引入 textToSpeech，然后调用其 createEngine 方法时，需要准备 初始化引擎的参数
设置监听回调
调用完createEngine 时会返回相应实例，此时可以设置监听回调。
- onStart 播报开始时回调
- onStop 播报结束时回调
- onComplete 合成或播报结束后分别回调此接口，返回请求 ID，完成播报相关信息
- onData 合成播报过程中回调此接口，返回请求 ID，音频流信息，音频附加信息如格式、时长等。若需要返回音频流信息，请实现此接口。
- onError 合成播报过程中，出现错误时回调，返回请求 ID、错误码及错误描述。
开始合成
完成上面的实例创建和设置监听后，便可以调用 speak 方法开始合成了。但是在调用 speak 时，也需要传递相应的参数。
封装好的代码
import { textToSpeech } from "@kit.CoreSpeechKit";
class TextToSpeechManager {
/** 语音转文本引擎 */
private ttsEngine: textToSpeech.TextToSpeechEngine | null = null;
/** 创建引擎的配置参数 */
private static extraParam: Record<string, Object> = {
// 风格 interaction-broadcast：广播风格
style: "interaction-broadcast",
// 区域信息。 可选，不设置时默认为“CN”，当前仅支持“CN”。
locate: "CN",
// 引擎名称。 可选，引擎名称，不设置是默认为空，当前仅支持单应用、单实例
name: "EngineName",
};
/** 创建引擎的配置参数 */
private static initParamsInfo: textToSpeech.CreateEngineParams = {
// 语种， 当前仅支持“zh-CN”中文。
language: "zh-CN",
// 音色。 0为聆小珊女声音色，当前仅支持聆小珊女声音色。
person: 0,
// 模式。 0为在线，目前不支持；1为离线，当前仅支持离线模式。
online: 1,
extraParams: TextToSpeechManager.extraParam,
};
/** 会话ID，一个实例只能使用一次 */
private requestId: string;
constructor() {
this.requestId = `tts` + Date.now();
}
/** 创建引擎 */
async createEngine() {
return (this.ttsEngine = await textToSpeech.createEngine(
TextToSpeechManager.initParamsInfo
));
}
/** 设置回调监听 */
async setListener(callback?: (res: textToSpeech.CompleteResponse) => void) {
// 设置speak的回调信息
let speakListener: textToSpeech.SpeakListener = {
// 开始播报回调
onStart(requestId: string, response: textToSpeech.StartResponse) {
console.info(
`onStart, requestId: ${requestId} response: ${JSON.stringify(
response
)}`
);
},
// 合成完成及播报完成回调
onComplete(requestId: string, response: textToSpeech.CompleteResponse) {
console.info(
`onComplete, requestId: ${requestId} response: ${JSON.stringify(
response
)}`
);
callback && callback(response);
},
// 停止播报回调
onStop(requestId: string, response: textToSpeech.StopResponse) {
console.info(
`onStop, requestId: ${requestId} response: ${JSON.stringify(
response
)}`
);
},
// 返回音频流
onData(
requestId: string,
audio: ArrayBuffer,
response: textToSpeech.SynthesisResponse
) {
console.info(
`onData, requestId: ${requestId} sequence: ${JSON.stringify(
response
)} audio: ${JSON.stringify(audio)}`
);
},
// 错误回调
one rror(requestId: string, errorCode: number, errorMessage: string) {
console.error(
`onError, requestId: ${requestId} errorCode: ${errorCode} errorMessage: ${errorMessage}`
);
},
};
// 设置回调
this.ttsEngine?.setListener(speakListener);
}
/** 开始转换 */
async speak(originalText: string) {
// 设置播报相关参数
let extraParam: Record<string, Object> = {
queueMode: 0,
// 语速。可选，支持范围[0.5-2]，不传参时默认为1。
speed: 1,
// 音量。 可选，支持范围[0-2]，不传参时默认为1
volume: 2,
// 音调。
// 可选，支持范围[0.5-2]，不传参时默认为1
pitch: 1,
// 语境，播放阿拉伯数字用的语种。 可选，当前仅支持“zh-CN”中文，不传参时默认“zh-CN”。
languageContext: "zh-CN",
// 音频类型，当前仅支持“pcm”
audioType: "pcm",
// 通道。 可选，参数范围0-16，整数类型，可参考音频流使用来选择适合自己的音频场景。 不传参时默认为3，语音助手通道
soundChannel: 3,
// 合成类型。 可选，不传参时默认为1。 0：仅合成不播报，返回音频流。 1：合成与播报不返回音频流。
playType: 1,
};
let speakParams: textToSpeech.SpeakParams = {
requestId: this.requestId, // requestId在同一实例内仅能用一次，请勿重复设置
extraParams: extraParam,
};
// 调用播报方法
this.ttsEngine?.speak(originalText, speakParams);
}
/** 停止转换 */
async stop() {
this.ttsEngine?.stop();
}
}
export default TextToSpeechManager;
页面中使用
Index.ets
import { PermissionManager } from '../utils/permissionMananger'
import { Permissions } from '@kit.AbilityKit'
import SpeechRecognizerManager from '../utils/SpeechRecognizerManager'
import { AudioCapturerManager } from '../utils/AudioCapturerManager'
import TextToSpeechManager from '../utils/TextToSpeechManager'
@Entry
@Component
struct Index {
@State
text: string = ""
fileName: string = ""
// 1 申请权限
fn1 = async () => {
// 准备好需要申请的权限 麦克风权限
const permissions: Permissions[] = ["ohos.permission.MICROPHONE"]
// 检查是否拥有权限
const isPermission = await PermissionManager.checkPermission(permissions)
if (!isPermission) {
// 如果没权限，就主动申请
PermissionManager.requestPermission(permissions)
}
}
// 2 实时语音识别
fn2 = () => {
SpeechRecognizerManager.init(res => {
console.log("实时语音识别", JSON.stringify(res))
this.text = res.result
})
}
// 3 开始录音
fn3 = () => {
this.fileName = Date.now().toString()
AudioCapturerManager.startRecord(this.fileName)
}
// 4 接收录音
fn4 = () => {
AudioCapturerManager.stopRecord()
}
// 5 声音文件转换文本
fn5 = () => {
SpeechRecognizerManager.init2(res => {
this.text = res.result
console.log("声音文件转换文本", JSON.stringify(res))
}, this.fileName)
}
// 6 文本合成声音
fn6 = async () => {
const tts = new TextToSpeechManager()
await tts.createEngine()
tts.setListener((res) => {
console.log("res", JSON.stringify(res))
})
tts.speak("我送你离开 千里之外")
}
build() {
Column({ space: 10 }) {
Text(this.text)
Button("申请权限")
.onClick(this.fn1)
Button("实时语音识别")
.onClick(this.fn2)
Button("开始录音")
.onClick(this.fn3)
Button("结束录音")
.onClick(this.fn4)
Button("声音文件转换文本")
.onClick(this.fn5)
Button("文本合成声音")
.onClick(this.fn6)
}
.width("100%")
.height("100%")
.justifyContent(FlexAlign.Center)
}
}
总结
HarmonyOS NEXT 提供的 AI 文本合并语音功能，可以将一段不超过 10000 字符的文本合成为语音并进行播报
使用的步骤为 3 步
- 创建文本合成语音引擎
- 设置监听回调
- 开始合成