语音合成 （Speech Synthesis），语音识别（Speech Recognition） | 果壳科技

一、首先说一下语音识别和语音合成技术实现；Windows系统有自己的语音,基于C#的开发，也已经将语音封装到System.Speech程序集中，有兴趣的朋友可以自己试试；

二、我们讲述一下c#实现语音阅读以及文本转语音文件，是基于c#的一个类库（SpeechSynthesizer ）实现的，使用该类必须要添加引用using System.Speech.Synthesis;直接是无法添加引用的，先对项目进行添加System.Speech引用；

下面的代码使用窗体应用程序简单实现的，当然程序集里还封装的好多的功能，大家可以自行探讨；在web应用是不行的，应该可以封装成ActiveX 控件，供浏览器调用吧，这个还没实现；下面会说用JS实现web语音技术。

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Speech.Synthesis;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;

namespace Speech_WinForm
{
public partial class SpeakVoice : Form
{
public SpeakVoice()
{
InitializeComponent();
}

private void text_content_TextChanged(object sender, EventArgs e)
{

}

private void btn_speak_Click(object sender, EventArgs e)
{
var content = this.text_content.Text;
SpeechSynthesizer synth = new SpeechSynthesizer();
synth.Speak(content);
}

private void SpeakVoice_Load(object sender, EventArgs e)
{

}
}
}

上面的代码也可以用控制台应用程序去写，在这里只给大家一个引子，感兴趣的同志可以去百度一下吧，

三、HTML5语音Web Speech

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”。 而下面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”。 “语音识别”和“语音合成”看上去像是正反两方面，实际上，至少从兼容性来看，两者并无法直接对等。 “语音识别(Speech Recognition)”目前的就Chrome浏览器和Opera浏览器默认支持，并且需要webkit私有前缀：

1、先说一下 语音识别(Speech Recognition)

使用的基本套路如下： 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，如果是写文章写公众号之类的则可以设置为true，

如下示意： 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); } event是个对象，我家里电脑不知道什么原因，无法成功返回识别内容，显示网络错误，可能因为墙的缘故：

2、语音合成Speech Synthesis

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

var utterThis = new window.SpeechSynthesisUtterance('你好，世界！');

window.speechSynthesis.speak(utterThis);

没错，只需要这么一点代码就足够了，大家可以在自己浏览器的控制台里面运行上面两行代码，看看有没有读出声音。

上面代码出现了两个长长的对象，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utterThis。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 utterThis = new window.SpeechSynthesisUtterance('你好，世界！');

又或者是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作：

var utterThis = new window.SpeechSynthesisUtterance();

utterThis.text = '你好，世界！';

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：

虽然数量很多，是有种给人中看不中用的感觉，为什么这么说呢！在我的chrome浏览器下，不知道为什么，不会读任何声音，但是同样的demo见面，公司的电脑就可以，我后来仔细查了一下，有可能(20%可能性)是我家里的电脑win7版本是阉割版，没有安装或配置TTS引擎。

手机Safari浏览器也不会读。

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。首先对于视觉有障碍的用户，他们就不需要再安装其他软件或购买其他设备，就可以无障碍地访问我们的产品。对于开发人员自己，我们的无障碍建设可以变得更加灵活，不一定要百分百契合ARIA无障碍规范（可参见我之前文章“WAI-ARIA无障碍网页应用属性完全展示”），因为我们可以直接让浏览器合成我想要的语音内容，例如，VoiceOver在对一些标签读取的时候，总会附带一句“标志性内容”，就算对于我这样专业从业者，这个词也是有点生涩难懂的，我们其实可以把这个语音合成交给自己，使用更通俗易懂的词反馈给用户，我想体验上应该是更好的。