聽一下就會發現，播放出來的聲音并不是預先錄制好的音頻資料，而是通過文字識別后合成的語音

請先戴上耳機，然后將下面的代碼復制到chrome控制臺中體驗～

let msg = new SpeechSynthesisUtterance("歡迎你閱讀我的博客");window.speechSynthesis.speak(msg);

看，前端實現語音合成并不難

今天的主角 Speech Synthesis API

通過上面的例子我們可以猜測到上面調用的兩個方法的功能

SpeechSyntehesisUtterancwindow.speechSynthesis.speak

當然了，語音合成不僅僅包含這兩個API，but我們先從這兩點入手

SpeechSyntehesisUtteranc

參考：developer.mozilla.org/en-US/docs/… SpeechSyntehesisUtteranc 對象包含了語音服務要讀取的內容和一些參數，比如語言，音高和音量

SpeechSyntehesisUtteranc()SpeechSynthesisUtterance.langSpeechSynthesisUtterance.pitchSpeechSynthesisUtterance.rateSpeechSynthesisUtterance.voiceSpeechSynthesisUtterance.volume

注意：以上屬性都是 可讀寫 的！ 可以把下面這段代碼copy下來嘗試一下，注釋中會有說明

let msg = new SpeechSynthesisUtterance();msg.text = "how are you" // 要合成的文本msg.lang = "en-US" // 美式英語發音（默認自動選擇）msg.rate = 2  // 二倍速（默認為 1，范圍 0.1～10）msg.pitch = 2 // 高音調（數字越大越尖銳，默認為 1，范圍 0～2 ）msg.volume = 0.5 // 音量 0.5 倍（默認為1，范圍 0～1）window.speechSynthesis.speak(msg);

同時這個對象還可以響應一系列事件，可能會用到的：

• start
• end
• boundary
• pause
• resume

借助這些事件我們可以完成一些簡單的功能，比如英文句子的單詞數量統計：

let count = 0; // 詞語數量let msg = new SpeechSynthesisUtterance();let synth = window.speechSynthesis;msg.addEventListener('start',()=>{    // 開始閱讀    console.log(`文本內容： ${msg.text}`);    console.log("start");});msg.addEventListener('end',()=>{    // 閱讀結束    console.log("end");    console.log(`文本單詞（詞語）數量：${count}`);    count = 0;});msg.addEventListener('boundary',()=>{    // 統計單詞    count++;});

經過嘗試，由于中文沒有用空格將每個詞語分開，所以會進行自動的識別，比如 歡迎讀者 會被識別為 歡迎 和 讀者 兩個詞語

SpeechSynthesis

參考： developer.mozilla.org/en-US/docs/…

說完了 SpeechSyntehesisUtteranc 我們再來看看 SpeechSynthesis

SpeechSynthesis 的主要作用是對語音進行一系列的控制，比如開始或者暫停

它有三個只讀屬性，表明了語音的狀態：

SpeechSynthesis.pausedSpeechSynthesis.pending

同時還有一系列方法用來操作語音：

•SpeechSynthesis.speak() 開始讀語音，同時觸發 start 事件 
•SpeechSynthesis.pause() 暫停，同時觸發 pause 事件 
•SpeechSynthesis.resume() 繼續，同時觸發 resume 事件 
•SpeechSynthesis.cancel() 取消閱讀，同時觸發 end 事件

基于這些操作方法，我們可以進一步增強我們的文字閱讀器：

回到最初的起點

讓我們回到最初的起點，我們可以基于上面的內容猜測一下有些網站中，文章的自動閱讀是怎么實現的

如果這個網站前端采用了 MVVM 框架（以 Vue 為例），那么文章內容是也許存儲在 data 中，可以用來構造我們需要的語音合成

當然，也有可能文章是通過 ajax 請求得到的，解析請求的數據，構造語音合成對象

如果文章是直接在 html 中寫死的，這個時候就需要對 DOM 進行解析，經過測試，即便是下面這樣的混亂的結構

<div id="test">    <p>1</p>    <p>2</p>    <ul>        <li>3</li>        <li>4</li>    </ul>    <table>        <tr>            <td>5</td>            <td>6</td>        </tr>        <tr>            <td>7</td>            <td>8</td>        </tr>    </table>    <img src="https://www.baidu.com/img/bd_logo1.png"    9</div>

直接通過 innerText 讀取其中的文本，然后構造語音合成對象，也能按照期望順序閱讀（圖片會被忽略）

當然如果我們想要忽略一些特殊的結構，比如表格，我們可以花一些精力在解析上，把我們不想要的數據或者 DOM 元素篩掉

不管怎樣，我們都能找到合適的解決方案～

閑話

這個特性，是一個還在草案中的特性，沒有被廣泛支持

再次強調，這個 API 暫時還不能應用到生產環境中

目前比較通用的做法是在后端構造將文本合成成語音文件的 API（也許是第三方 API），然后在前端作為媒體播放

曾經在我迷茫的時候，我去閱讀一些大牛的文章，讀到一些前輩對前端開發的思考。其中有一點令我印象深刻：

前端是最貼近用戶的，一切要從用戶的的角度考慮，無障礙使用也是一個很重要的課題。雖然做這樣的功能帶來的收益遠遠小于其他業務，但是為了讓產品更好的服務用戶，多付出一些勞動也是值得的，這也是前端開發的一種精神
 

總結

以上所述是小編給大家介紹的鮮為人知的HTML5語音合成功能，希望對大家有所幫助，如果大家有任何疑問歡迎給我留言，小編會及時回復大家的！