是否可以使用 W3C Web Speech API 编写 Javascript 代码来生成带有语音给定文本的音频文件(wav、ogg 或 mp3)?我的意思是,我想做类似的事情:
window.speechSynthesis.speak(new SpeechSynthesisUtterance("0 1 2 3"))
但我希望用它生成的声音不是输出到扬声器而是输出到文件。
是否可以使用 W3C Web Speech API 编写 Javascript 代码来生成带有语音给定文本的音频文件(wav、ogg 或 mp3)?我的意思是,我想做类似的事情:
window.speechSynthesis.speak(new SpeechSynthesisUtterance("0 1 2 3"))
但我希望用它生成的声音不是输出到扬声器而是输出到文件。
仅使用 Web Speech API 无法满足要求,请参阅Re: MediaStream, ArrayBuffer, Blob audio result from speak() for recording?,如何实现从 window.speechSynthesis.speak() 调用返回 Blob、ArrayBuffer 或 AudioBuffer 的选项
尽管可以使用库来满足要求,例如,espeak
或者meSpeak
,请参阅如何在 chromium 浏览器中创建文本或将文本转换为音频?.
fetch("https://gist.githubusercontent.com/guest271314/f48ee0658bc9b948766c67126ba9104c/raw/958dd72d317a6087df6b7297d4fee91173e0844d/mespeak.js")
.then(response => response.text())
.then(text => {
const script = document.createElement("script");
script.textContent = text;
document.body.appendChild(script);
return Promise.all([
new Promise(resolve => {
meSpeak.loadConfig("https://gist.githubusercontent.com/guest271314/8421b50dfa0e5e7e5012da132567776a/raw/501fece4fd1fbb4e73f3f0dc133b64be86dae068/mespeak_config.json", resolve)
}),
new Promise(resolve => {
meSpeak.loadVoice("https://gist.githubusercontent.com/guest271314/fa0650d0e0159ac96b21beaf60766bcc/raw/82414d646a7a7ef11bb04ddffe4091f78ef121d3/en.json", resolve)
})
])
})
.then(() => {
// takes approximately 14 seconds to get here
console.log(meSpeak.isConfigLoaded());
console.log(meSpeak.speak("what it do my ninja", {
amplitude: 100,
pitch: 5,
speed: 150,
wordgap: 1,
variant: "m7",
rawdata: "mime"
}));
})
.catch(err => console.log(err));
也有使用的解决方法MediaRecorder
,具体取决于系统硬件如何从 window.speechSynthesis.speak() 调用捕获生成的音频?.