JavaScript如何实现语音合成_怎样将文本转为语音？

JavaScript 可通过 Web Speech API 的 SpeechSynthesis 接口实现原生语音合成，需检测支持性、监听 onvoiceschanged 事件获取语音列表，设置 voice、rate、pitch、volume 等参数，调用 speak() 播放并支持暂停、继续、取消及事件监听，中文合成需注意平台差异与文本预处理。

JavaScript 可以通过浏览器内置的 Web Speech API 中的 SpeechSynthesis 接口实现语音合成，无需第三方服务或额外库，兼容主流现代浏览器（Chrome、Edge、Safari 14.1+、Firefox 部分支持）。

检查并获取语音合成实例

SpeechSynthesis 是一个单例对象，通过 window.speechSynthesis 访问。使用前建议先检测支持性，并监听语音引擎就绪事件：

• 用 'onvoiceschanged' 事件确保语音列表加载完成（尤其首次调用时可能为空）
• 调用 speechSynthesis.getVoices() 获取可用语音，通常需在事件触发后调用才有效
• 可缓存语音列表，避免重复查询

选择语音并设置发音参数

不同系统/浏览器预装的语音不同（如中文常用 “Microsoft Yaoyao”、“Tingting”、“Google 中文（简体）”）。关键参数包括：

• voice：从 getVoices() 返回数组中选取，推荐按 lang（如 'zh-CN'）和 name 筛选
• rate：语速（0.5–2，默认 1），数值过大会导致吞音
• pitch：音调（0–2，默认 1），影响自然度但对中文效果有限
• volume：音量（0–1，默认 1）

播放、暂停与控制语音

创建 SpeechSynthesisUtterance 实例后，用 speechSynthesis.speak() 播放；支持实时控制：

• speechSynthesis.pause() 和 speechSynthesis.resume() 暂停/继续当前语音
• speechSynthesis.cancel() 终止所有排队中的语音
• 监听 onstart、onend、onerror 事件做状态反馈
• 同一时间只能播放一个 utterance；新调用 speak() 会自动中断前一个（除非已结束）

处理中文文本的实用建议

中文合成质量依赖系统语音引擎，实际效果因平台而异：

• Windows Chrome 常用 Microsoft 语音，发音较清晰；macOS Safari 推荐用 “Tingting”
• 避免长句，适当添加标点（如逗号、句号）有助于断句和节奏
• 数字、英文单词可能读错，可预先替换为汉字（如 “2025” → “二零二四”，“API” → “A-P-I”）
• 移动端部分浏览器（如微信内置浏览器）可能禁用该 API，需降级提示用户