如何從Speech Synthesis API訪問音頻結果？

Question

Speech Synthesis API允許Chrome Beta中的文本到語音功能。 但是，瀏覽器會自動播放TTS請求的結果。 如何訪問音頻結果以進行后處理並禁用API的默認行為？

Answer 1

TTS系統沒有標准的音頻輸出，這看起來非常有意，所以不太可能很快改變。

要了解原因，您可以查看此界面的另一面，其中瀏覽器擴展可以充當TTS引擎並提供客戶端可以使用的聲音：

作為此API在chrome中可訪問的有效TTS引擎 ，支持啟動/暫停/取消和恢復TTS請求，並將進度更新作為以下類型的事件發送：

https://developer.chrome.com/extensions/tts#type-TtsEvent

因此，除了實際播放之外，TTS引擎沒有標准方式來指示產生的音頻。 根據特定的TTS引擎，它可能不使用標准音頻格式甚至瀏覽器的普通音頻設備訪問。 （例如，它可能將文本轉發到平台的輔助功能系統。）

如果您對特定TTS引擎有所了解（或創建自己的TTS引擎），那么您可以構建自己的接口¹來檢索音頻文件。 但是，必須在每個要使用它的客戶端瀏覽器上安裝TTS引擎。 這就是為什么任何解決方案都必須指向特定的TTS引擎或外部TTS解決方案，如果您想要控制播放，而不是調整TTS引擎請求的有效輸入（相對音高，相對音量，相對速率，性別）。

筆記-

¹如果您為TTS引擎提供此類接口，則由於瀏覽器正在檢查它們，因此無法輕松擴展現有的TTS事件API：

// attempt to add properties to an otherwise legal event in an Engine:
sendTTSev({'type': 'end', 'charIndex': len, foo:'george'});
...
Uncaught Error: Invalid value for argument 2. Property 'foo': Unexpected property.
    at validate (extensions::schemaUtils:34:13)
    at Object.normalizeArgumentsAndValidate  (extensions::schemaUtils:117:3)
    at Object.<anonymous> (extensions::binding:361:30)
    at sendTtsEvent (extensions::ttsEngine:17:22)