Android—实现科大讯飞语音合成

背景（可以不看）

实验室项目开发的APP需要有语音提示功能，之前的做法是人工录音，剪辑片段，调用Android的多媒体，播放，呵呵呵，，，这是21世纪！这样肯定显得有点low啊，且不说档次，应用场景也不足啊，人工录音内容固定，这不适合我们的需求。其实我当时也不知道这技术叫语音合成,老师提了一提，下来一百度，科大讯飞果断站了出来，提供了API，给你点个赞！这里介绍一下如何使用该API中的语音合成技术。

准备工作

注册开发者APPID

首先需要做的就是注册能够使用该API的APPID，如今使用这种API都需要注册，比如百度地图API等，不想多说，并向你抛出了个链接 http://www.xfyun.cn

导入SDK

注册完APPDID之后，下载开发包，解压缩，得到如下文件，在Android Studio项目结构下的app下新建libs，将其中的文件全部copy到libs下，如下图所示：

这里要注意啊，导进来要进行Gradle的编译啊，并且注意到每一项前面的三角符号是可以点开的，下面有内容的，这是需要编译之后才有，如果不能打开，相当于只是添加了些文件，后面使用里面的类，代码无法自动提示，MB，都没编译进来，有个屁啊，（本人踩过的坑，手动捂脸）

添加用户权限

需要配置如下权限

<!--连接网络权限，用于执行云端语音能力 -->
<uses-permission android:name="android.permission.INTERNET"/>
<!--获取手机录音机使用权限，听写、识别、语义理解需要用到此权限 -->
<uses-permission android:name="android.permission.RECORD_AUDIO"/>
<!--读取网络信息状态 -->
<uses-permission android:name="android.permission.ACCESS_NETWORK_STATE"/>
<!--获取当前wifi状态 -->
<uses-permission android:name="android.permission.ACCESS_WIFI_STATE"/>
<!--允许程序改变网络连接状态 -->
<uses-permission android:name="android.permission.CHANGE_NETWORK_STATE"/>
<!--读取手机信息权限 -->
<uses-permission android:name="android.permission.READ_PHONE_STATE"/>
<!--读取联系人权限，上传联系人需要用到此权限 -->
<uses-permission android:name="android.permission.READ_CONTACTS"/>
<!--外存储写权限，构建语法需要用到此权限 -->
<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE"/>
<!--外存储读权限，构建语法需要用到此权限 -->
<uses-permission android:name="android.permission.READ_EXTERNAL_STORAGE"/>
<!--配置权限，用来记录应用配置信息 -->
<uses-permission android:name="android.permission.WRITE_SETTINGS"/>
<!--手机定位信息，用来为语义等功能提供定位，提供更精准的服务-->
<!--定位信息是敏感信息，可通过Setting.setLocationEnable(false)关闭定位请求 -->
<uses-permission android:name="android.permission.ACCESS_FINE_LOCATION"/>
<!--如需使用人脸识别，还要添加：摄相头权限，拍照需要用到 -->
<uses-permission android:name="android.permission.CAMERA" />

配置Gradle

使用AS开发Android Application Gradle的配置少不了，官方的文档上没有指出需要配置Gradle，但是事实证明不配置的话，会出现一个很奇怪的异常，在Module下的build.gradle文件：

1. 在defaultConfig下添加以下内容:

// 配置.so文件
        ndk {
            // 选择要添加的对应的cpu类型的.so库
            abiFilters 'x86', 'armeabi', 'armeabi-v7a', 'armeabi-v8a', 'mips','mips64','x86_64'
        }

1. 在buildTypes下添加以下内容：

//配置JNILibs
        sourceSets {
            main {
                jniLibs.srcDirs = ['libs']
            }
        }

到这里，准备工作应该是准备完成了

干正事

SDK的初始化

初始化就一句话

// 进行SDK的初始化
SpeechUtility.createUtility(APP.this, SpeechConstant.APPID + "=yourAPPID");

这句话一般写在app初始化时，如果你是写demo，只有一个Activity，那么就写在onCreate之后就可以，但是我相信，真正使用绝非这么简单，所以配置到APP文件中最好，我一开始不知道什么是APP文件(手动捂脸，好low)，其实APP文件是一个java类文件，继承Application，如下图：

Application这个类，一看就应该明了，是我们每个应用程序都用的，然后如何将我们新建的APP和我们的Android程序关联，看下图：



这是AndroidManifest.xml 下的配置项，将这里的application指定为我们自己创建的java类文件即可，看到.APP前面的那一个.点没有，表示路径，说明我们的APP.java类直接在我们的包名下。如下图：



这里com.jiajia.speechdemo就是我的包名。

封装语音合成工具类

在上面的截图中有一个TTSUtility类，没错，我们把语音合成疯转在一个工具类中。同时将其打造成单例模式。这样在我们整个应用程序中，只有一个工具类，就不用每次需要合成是都new一个对象

public class TTSUtility {
        // 发音人
        public final static String[] COLOUD_VOICERS_VALUE = {"xiaoyan", "xiaoyu", "catherine", "henry", "vimary", "vixy", "xiaoqi", "vixf", "xiaomei","xiaolin", "xiaorong", "xiaoqian", "xiaokun", "xiaoqiang", "vixying", "xiaoxin", "nannan", "vils",};

        private static final String TAG = "TTSUtility";
        // 语音合成对象
        private static SpeechSynthesizer mTts;
        //上下文
        private  Context mContext;

        private volatile static TTSUtility instance;
        /**
         * 合成回掉监听
         */
        private static SynthesizerListener mTtsListener = new SynthesizerListener() {
            @Override
            public void onSpeakBegin() {
                Log.d(TAG, "开始播放");
            }

            @Override
            public void onBufferProgress(int percent, int beginPos, int endPos, String info) {
                // TODO 缓冲的进度
                Log.d(TAG, "缓冲 : " + percent);
            }

            @Override
            public void onSpeakPaused() {
                Log.d(TAG, "暂停播放");

            }

            @Override
            public void onSpeakResumed() {
                Log.d(TAG, "继续播放");
            }

            @Override
            public void onSpeakProgress(int percent, int beginPos, int endPos) {
                // TODO 说话的进度
                Log.d(TAG, "合成 : " + percent);
            }

            @Override
            public void onCompleted(SpeechError error) {
                if (error == null) {
                    Log.d(TAG, "播放完成");

                } else if (error != null) {
                    Log.d(TAG, error.getPlainDescription(true));
                }
            }

            @Override
            public void onEvent(int eventType, int arg1, int arg2, Bundle obj) {

            }
        };
        /**
         * 构造方法
         *
         * @param context 上下文
         */
        private TTSUtility(Context context) {
            mContext = context;
            // 初始化合成对象
            mTts = SpeechSynthesizer.createSynthesizer(mContext, new InitListener() {
                @Override
                public void onInit(int code) {
                    if (code != ErrorCode.SUCCESS) {
                        Log.d("fjj", "初始化失败,错误码：" + code);
                    }
                    Log.d("fjj", "初始化失败,q错误码：" + code);
                }
            });
        }
        public static TTSUtility getInstance(Context context) {
            if (instance == null) {
                synchronized (TTSUtility.class) {
                    if (instance == null) {
                        instance = new TTSUtility(context);
                    }
                }
            }
            return  instance;
        }
        /**
         * 停止语音播报
         */
        public static void stopSpeaking() {
            // 对象非空并且正在说话
            if (null != mTts && mTts.isSpeaking()) {
                // 停止说话
                mTts.stopSpeaking();
            }
        }
        /**
         * 判断当前有没有说话
         *
         * @return
         */
        public  static boolean isSpeaking() {
            if (null != mTts) {
                return mTts.isSpeaking();
            } else {
                return false;
            }
        }
        /**
         * 开始合成
         *
         * @param text
         */
        public void speaking(String text) {
            if (TextUtils.isEmpty(text))
                return;
            int code = mTts.startSpeaking(text, mTtsListener);

            Log.d("fjj", "-----" + code + "++++++++++");

            if (code != ErrorCode.SUCCESS) {
                if (code == ErrorCode.ERROR_COMPONENT_NOT_INSTALLED) {
                    Toast.makeText(mContext, "没有安装语音+ code = " + code, Toast.LENGTH_SHORT).show();
                } else {
                    Toast.makeText(mContext, "语音合成失败,错误码: " + code, Toast.LENGTH_SHORT).show();
                }
            }
        }
        /**
         * 参数设置
         *
         * @return
         */
        private void setParam() {
            // 清空参数
            mTts.setParameter(SpeechConstant.PARAMS, null);
            // 引擎类型 网络
            mTts.setParameter(SpeechConstant.ENGINE_TYPE, SpeechConstant.TYPE_CLOUD);
            // 设置发音人
            mTts.setParameter(SpeechConstant.VOICE_NAME, COLOUD_VOICERS_VALUE[0]);
            // 设置语速
            mTts.setParameter(SpeechConstant.SPEED, "50");
            // 设置音调
            mTts.setParameter(SpeechConstant.PITCH, "50");
            // 设置音量
            mTts.setParameter(SpeechConstant.VOLUME, "100");
            // 设置播放器音频流类型
            mTts.setParameter(SpeechConstant.STREAM_TYPE, "3");
            // mTts.setParameter(SpeechConstant.TTS_AUDIO_PATH, Environment.getExternalStorageDirectory() + "/KRobot/wavaudio.pcm");
            // 背景音乐  1有 0 无
            // mTts.setParameter("bgs", "1");
        }
}

这样封装之后在任何你想要"说话"的地方直接调用下面者句话就可以；

TTSUtility.getInstance(getApplicationContext()).speaking("编程使我快乐");

可以看到封装的工具类中可以进行参数的设置，主要包括以下内容：

语言（LANGUAGE，中文、英文等）

方言（ACCENT，中文的普通话，粤语等）

发音人特征（性别，年龄，语气）

语速（SPEED）

音量（VOLUME）

语调（PITCH）

音频采样率（SAMPLE_RATE）

感兴趣可以自己多尝试！

参考资料

1. 科大讯飞开发指南
2. 科大讯飞在线语音合成（2018最新版本)

---

最后

• 本文内容个人拙见，若有出入，欢迎指正。
• 欢迎赏脸关注：家佳Talk