当前位置： 首页 > article >正文

Core Speech Kit（基础语音服务）

article 2025/3/10 3:35:29

文章目录

    • 一、Core Speech Kit简介
      • 场景介绍
      • 约束与限制
    • 二、文本转语音
      • 1. 场景介绍
      • 2. 约束与限制
      • 3. 开发步骤
      • 4. 设置播报策略
        • 设置数字播报策略
        • 插入静音停顿
        • 指定汉字发音
      • 5. 开发实例
    • 三、语音识别
      • 约束与限制
      • 开发步骤
      • 开发实例

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

一、Core Speech Kit简介

Core Speech Kit（基础语音服务）集成了语音类基础AI能力，包括文本转语音（TextToSpeech）及语音识别（SpeechRecognizer）能力，便于用户与设备进行互动，实现将实时输入的语音与文本之间相互转换。

场景介绍

  • 文本转语音：将一段不超过10000字符的文本合成为语音并进行播报。
  • 语音识别：将一段音频信息（短语音模式不超过60s，长语音模式不超过8h）转换为文本，可以将pcm音频文件或者实时语音转换为文字。

约束与限制

AI能力 约束
文本转语音 1.支持的语种类型：中文。（简体中文、繁体中文、中文语境下的英文） 2. 支持的音色类型：聆小珊女声音色。3. 文本长度：不超过10000字符。
语音识别 1. 支持的语种类型：中文普通话。2. 支持的模型类型：离线。3. 语音时长：短语音模式不超过60s，长语音模式不超过8h。

在这里插入图片描述

二、文本转语音

Core Speech Kit支持将一篇不超过10000字符的中文文本（简体中文、繁体中文、数字、中文语境下的英文）合成为语音，并以聆小珊女声音色中文播报。

开发者可对播报的策略进行设置，包括单词播报、数字播报、静音停顿、汉字发音策略。

1. 场景介绍

手机/平板等设备在无网状态下，系统应用无障碍（屏幕朗读）接入文本转语音能力，为视障人士或不方便阅读场景提供播报能力。

2. 约束与限制

该能力当前不支持模拟器。

3. 开发步骤

  1. 在使用文本转语音时，将实现文本转语音相关的类添加至工程。
import {
    textToSpeech } from '@kit.CoreSpeechKit';
import {
    BusinessError } from '@kit.BasicServicesKit';
  1. 调用createEngine接口，创建textToSpeechEngine实例。
    createEngine接口提供了两种调用形式，当前以其中一种作为示例，其他方式可参考API参考。
let ttsEngine: textToSpeech.TextToSpeechEngine;

// 设置创建引擎参数
let extraParam: Record<string, Object> = {
   "style": 'interaction-broadcast', "locate": 'CN', "name": 'EngineName'};
let initParamsInfo: textToSpeech.CreateEngineParams = {
   
  language: 'zh-CN',
  person: 0,
  online: 1,
  extraParams: extraParam
};

// 调用createEngine方法
textToSpeech.createEngine(initParamsInfo, (err: BusinessError, textToSpeechEngine: textToSpeech.TextToSpeechEngine) => {
   
  if (!err) {
   
    console.info('Succeeded in creating engine');
    // 接收创建引擎的实例
    ttsEngine = textToSpeechEngine;
  } else {
   
    console.error(`Failed to create engine. Code: ${
   err.code}, message: ${
   err.message}.`);
  }
});
  1. 得到TextToSpeechEngine实例对象后，实例化SpeakParams对象、SpeakListener对象，并传入待合成及播报的文本originalText，调用speak接口进行播报。
// 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)}`);
  },
  // 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
  onError(requestId: string, errorCode: number, errorMessage: string) {
   
    console.error(`onError, requestId: ${
   requestId} errorCode: ${
   errorCode} errorMessage: ${
   errorMessage}`);
  }
};
// 设置回调
ttsEngine.setListener(speakListener);
let originalText: string = 'Hello HarmonyOS';
// 设置播报相关参数
let extraParam: Record<string, Object> = {
   "queueMode": 0, "speed": 1, "volume": 2, "pitch": 1, "languageContext": 'zh-CN',  
"audioType": "pcm", "soundChannel": 3, "playType": 1 };
let speakParams: textToSpeech.SpeakParams = {
   
  requestId: '123456', // 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
// 开发者可以通过修改speakParams主动设置播报策略
ttsEngine.speak(originalText, speakParams);
  1. （可选）当需要停止合成及播报时，可调用stop接口。
ttsEngine.stop();
  1. （可选）当需要查询文本转语音服务是否处于忙碌状态时，可调用isBusy接口。
ttsEngine.isBusy();
  1. （可选）当需要查询支持的语种音色信息时，可调用listVoices接口。
    listVoices接口提供了两种调用形式，当前以其中一种作为示例，其他方式可参考API参考。
// 在组件中声明并初始化字符串voiceInfo
@State voiceInfo: string = "";

// 设置查询相关参数
let voicesQuery: textToSpeech.VoiceQuery = {
   
  requestId: '12345678', // requestId在同一实例内仅能用一次，请勿重复设置
  online: 1
};
// 调用listVoices方法，以callback返回
ttsEngine.listVoices(voicesQuery, (err: BusinessError, voiceInfo: textToSpeech.VoiceInfo[]) => {
   
  if (!err) {
   
    // 接收目前支持的语种音色等信息
    this.voiceInfo = JSON.stringify(voiceInfo);
    console.info(`Succeeded in listing voices, voiceInfo is ${
   this.voiceInfo}`);
  } else {
   
    console.error(`Failed to list voices. Code: ${
   err.code}, message: ${
   err.message}`);
  }
});

4. 设置播报策略

由于不同场景下，模型自动判断所选择的播报策略可能与实际需求不同，此章节提供对于播报策略进行主动设置的方法。

说明
以下取值说明均为有效取值，若所使用的数值在有效取值之外则播报结果可能与预期不符，并产生错误的播报结果。

文本格式：[hN] (N=0/1/2)

N取值说明：

取值 说明
0 智能判断单词播放方式。默认值为0。
1 逐个字母进行播报。
2 以单词方式进行播报。

文本示例：

"hello[h1] world"

hello使用单词发音，world及后续单词将会逐个字母进行发音。

设置数字播报策略

格式：[nN] (N=0/1/2)

取值 说明
0 智能判断数字处理策略。默认值为0。
1 作为号码逐个数字播报。
2 作为数值播报。超过18位数字不支持，自动按逐个数字进行播报。

文本示例：

"[n2]123[n1]456[n0]"

其中，123将会按照数值播报，456则会按照号码播报，而后的文本中的数字，均会自动判断。

插入静音停顿

格式：[pN]

描述：N为无符号整数，单位为ms。

文本示例：

"你好[RZer]阅读者"

该句播报时，将会在“你好”后插入500ms的静音停顿。

指定汉字发音

汉字声调用后接一位数字1~5分别表示阴平、阳平、上声、去声和轻声5个声调。

格式：[=MN]

描述：M表示拼音，N表示声调。

取值 说明
1 阴平
2 阳平
3 上声
4 去声
5 轻声

文本示例：

"着[=zhuo2]手"

“着”字将读作“zhuó”。

5. 开发实例

点击按钮，播报一段文本

import {
    textToSpeech } from '@kit.CoreSpeechKit';
import {
    BusinessError } from '@kit.BasicServicesKit';

let ttsEngine: textToSpeech.TextToSpeechEngine;
@Entry
@Component
struct Index {
   
  @State createCount: number = 0;
  @State result: boolean = false;
  @State voiceInfo: string = "";
  @State text: string = "";
  @State textContent: string = "";
  @State utteranceId: string = "123456";
  @State originalText: string = "\n\t\t千里之行始于足下；\n\t\t" +
    "生命在于运动。\n\t\t";
  @State illegalText: string = "";

  build() {
   
    Column() {
   
      Scroll() {
   
        Column() {
   
          TextArea({
    placeholder: 'Please enter tts original text', text: `${
   this.originalText}` })
            .margin(20)
            .focusable(false)
            .border({
    width: 5, color: 0x317AE7, radius: 10, style: BorderStyle.Dotted })
            .onChange((value: string) => {
   
              this.originalText = value;
              console.info(`original text: ${
   this.originalText}`);
            })

          Button() {
   
            Text("CreateEngineByCallback")
              .fontColor(Color.White)
              .fontSize(20)
          }
          .type(ButtonType.Capsule)
          .backgroundColor("#0x317AE7")
          .width("80%")
          .height(50)
          .margin(10)
          .onClick(() => {
   
            this.createCount++;
            console.info(`CreateTtsEngine：createCount:${
   this.createCount}`);
            this.createByCallback();
          })

          Button() {
   
            Text("speak")
              .fontColor(Color.White)
              .fontSize(20)
          }
          .type(ButtonType.Capsule)
          .backgroundColor("#0x317AE7")
          .width("80%")
          .height(50)
          .margin(10)
          .onClick(() => {
   
            this.createCount++;
            this.speak();
          })

          Button() {
   
            Text("listVoicesCallback")
              .fontColor(Color.White)
              .fontSize(20)
          }
          .type(ButtonType.Capsule)
          .backgroundColor("#0x317AE7")
          .width("80%")
          .<

http://www.kler.cn/a/578035.html

相关文章：

  • ICRA顶会 | 当无人机遇上扩散模型：如何让四旋翼飞行器在复杂环境中「稳如泰山」？
  • 重塑用户体验：用户界面设计、交互设计及视觉体验优化的融合策略
  • 【C语言】外围电路异常排查方式
  • Python刷题：Python基础
  • 蓝桥-反倍数-oj152
  • 3.6c语言
  • 导电陶瓷粉：掺铑（Rh）钛酸钡在MLCC内电极浆料中的应用与创新-京煌科技
  • Spring Cloud Alibaba OpenFeign 实战：打造稳定高效的远程调用
  • MySql的安装及数据库的基本操作命令
  • 物联网-智慧农业中与市场需求对接的一体化解决方案
  • JS如何实现全选以及联动效果
  • 【AI速读】突破功能验证性能瓶颈：UVM++与仿真器随机化测试平台的融合实践
  • Electron：点击右键保存图片到本地
  • MouseBoost Pro for Mac 鼠标右键助手右键菜单
  • oracle goldengate 各版本支持的源端和目标端的数据库版本列表
  • 从厨电模范到数字先锋，看永洪科技如何助力方太集团开启数字新征程
  • 大彩串口屏开发 —— MODBUS通信
  • 通过计费集成和警报监控 Elasticsearch Service 成本
  • MySQL进阶-关联查询优化
  • 若依ry-vue分离板（完整版）前后端部署