iOS文本转语音技术

iOS文本转语音技术

其实人就是最牛的TTS

文本转语音技术, 也叫TTS, 是Text To Speech的缩写. iOS如果想做有声书等功能的时候, 会用到这门技术.

• iOS7之后才有该功能

• 需要 AVFoundation 库
• AVSpeechSynthesizer: 语音合成器, 可以假想成一个可以说话的人, 是最主要的接口
• AVSpeechSynthesisVoice: 可以假想成人的声音
• AVSpeechUtterance: 可以假想成要说的一段话

0x000 代码示例, 朗读唐诗静夜思

class TTSExample:AVSpeechSynthesizerDelegate {
let av=AVSpeechSynthesizer()
init(){
av.delegate=self
}
func 朗读静夜思() {
let jingyesi=“静夜思,李白,床前明月光,疑是地上霜,举头望明月,低头思故乡” //标点符号会产生朗读时的停顿, 这样就有节奏了
let utterance=AVSpeechUtterance(string: jingyesi)
utterance.rate=AVSpeechUtteranceDefaultSpeechRate
let voiceType=AVSpeechSynthesisVoice(language: "zh-CN")
utterance.voice=voiceType
av.speakUtterance(utterance)
}
fun 停止朗读(){
av.stopSpeakingAtBoundary(.Immediate)
}
func speechSynthesizer(synthesizer: AVSpeechSynthesizer, didFinishSpeechUtterance utterance: AVSpeechUtterance) {
print(“已经朗读完了”)
//如果想循环播放,可以在这里调用如下代码:
// av.speakUtterance(utterance)
}
}

• 如果想在后台播放, 需要在配置里设置:

配置后台播放

• 同时在AppDelegate里启用:

let session=AVAudioSession.sharedInstance()
try! session.setCategory(AVAudioSessionCategoryPlayback)
try! session.setActive(true)

0x01 AVSpeechSynthesizer

这个类就像一个会说话的人, 可以”说话”, 可以”暂停”说话, 可以”继续”说话, 可以判断他当前是否正在说话.有以下的方法或者属性:

• 说话: speakUtterance
• 控制: continueSpeaking(继续说), pauseSpeakingAtBoundary(暂停说话), paused(暂停状态的属性), speaking(说话的状态), stopSpeakingAtBoundary(停止说话)
• 委托: delegate

0x02 AVSpeechBoundary

这是一个枚举. 在暂停, 或者停止说话的时候, 停下的方式用这个枚举标示. 包括两种:

• AVSpeechBoundaryImmediate: 立即停
• AVSpeechBoundaryWord : 说完一个整词再停

0x03 AVSpeechSynthesizerDelegate

合成器的委托, 对于一些事件, 提供了响应的接口.

• didCancelSpeechUtterance: 已经取消说话
• didContinueSpeechUtterance: 已经继续说话
• didFinishSpeechUtterance: 已经说完
• didPauseSpeechUtterance: 已经暂停
• didStartSpeechUtterance:已经开始
• willSpeakRangeOfSpeechString:将要说某段话

0x04 AVSpeechSynthesisVoice

AVSpeechSynthesisVoice定义了一系列的声音, 主要是不同的语言和地区.

• voiceWithLanguage: 根据制定的语言, 获得一个声音.
• speechVoices: 获得当前设备支持的声音
• currentLanguageCode: 获得当前声音的语言字符串, 比如”ZH-cn”
• language: 获得当前的语言

0x05 AVSpeechUtterance

这个类就是一段要说的话. 主要的属性和方法有:

• pitchMultiplier: 音高
• postUtteranceDelay: 读完一段后的停顿时间
• preUtteranceDelay: 读一段话之前的停顿
• rate: 读地速度, 系统提供了三个速度: AVSpeechUtteranceMinimumSpeechRate, AVSpeechUtteranceMaximumSpeechRate, AVSpeechUtteranceDefaultSpeechRate
• speechString: 要读的字符串
• voice: 使用的声音, 是AVSpeechSynthesisVoice对象
• volume: 音量

0x06 UML关系图

这些类的关系如下:

TTS类关系图