chrome.tts

Opis

Użyj interfejsu chrome.tts API, aby odtwarzać syntetyzowany tekst (zamiana tekstu na mowę). Zobacz też powiązany interfejs ttsEngine API, który umożliwia rozszerzeniu wdrożenie silnika mowy.

Chrome udostępnia tę funkcję w systemach Windows (za pomocą SAPI 5), macOS i ChromeOS, korzystając z funkcji syntezy mowy udostępnianych przez system operacyjny. Na wszystkich platformach użytkownik może instalować rozszerzenia, które rejestrują się jako alternatywne silniki mowy.

Uprawnienia

tts

Pojęcia i zastosowanie

Generuj mowę

Zadzwoń pod numer speak() z rozszerzenia, aby porozmawiać. Na przykład:

chrome.tts.speak('Hello, world.');

Aby natychmiast zatrzymać odczytywanie, zadzwoń pod numer stop():

chrome.tts.stop();

Możesz podać opcje, które kontrolują różne właściwości mowy, takie jak szybkość, wysokość i inne. Na przykład:

chrome.tts.speak('Hello, world.', {'rate': 2.0});

Warto też określić język, aby wybrać syntezator obsługujący ten język (i w razie potrzeby dialekt regionalny).

chrome.tts.speak('Hello, world.', {'lang': 'en-US', 'rate': 2.0});

Domyślnie każde wywołanie funkcji speak() przerywa bieżące odczytywanie i natychmiast rozpoczyna odczytywanie. Aby sprawdzić, czy połączenie nie będzie nikomu przeszkadzać, możesz zadzwonić pod numer isSpeaking(). Dodatkowo możesz użyć opcji enqueue, aby dodać tę wypowiedź do kolejki wypowiedzi, które zostaną odtworzone po zakończeniu bieżącej wypowiedzi.

chrome.tts.speak('Speak this first.');
chrome.tts.speak(
    'Speak this next, when the first sentence is done.', {'enqueue': true});

Pełny opis wszystkich opcji znajdziesz w sekcji tts.speak(). Nie wszystkie silniki mowy obsługują wszystkie opcje.

Aby wykrywać błędy i mieć pewność, że wywołujesz funkcję speak() prawidłowo, przekaż funkcję wywołania zwrotnego, która nie przyjmuje argumentów. W funkcji zwrotnej sprawdź, czy wystąpiły jakieś błędy runtime.lastError.

chrome.tts.speak(
  utterance,
  options,
  function() {
    if (chrome.runtime.lastError) {
      console.log('Error: ' + chrome.runtime.lastError.message);
    }
  }
);

Wywołanie zwrotne jest zwracane od razu, zanim mechanizm zacznie generować mowę. Funkcja zwrotna ma na celu powiadamianie o błędach składni w użyciu interfejsu TTS API, a nie wykrywanie wszystkich możliwych błędów, które mogą wystąpić w procesie syntezy i generowania mowy. Aby wykrywać również te błędy, musisz użyć modułu nasłuchiwania zdarzeń opisanego w następnej sekcji.

Nasłuchiwanie zdarzeń

Aby uzyskać więcej informacji w czasie rzeczywistym o stanie syntezowanej mowy, przekaż detektor zdarzeń w opcjach do speak(), tak jak w tym przykładzie:

chrome.tts.speak(
  utterance,
  {
    onEvent: function(event) {
      console.log('Event ' + event.type + ' at position ' + event.charIndex);
      if (event.type == 'error') {
        console.log('Error: ' + event.errorMessage);
      }
    }
  },
  callback
);

Każde zdarzenie zawiera typ zdarzenia, indeks znaku bieżącej mowy względem wypowiedzi oraz w przypadku zdarzeń związanych z błędami opcjonalny komunikat o błędzie. Typy zdarzeń:

'start': silnik zaczął wypowiadać zdanie.
'word': osiągnięto granicę słowa. Użyj event.charIndex, aby określić bieżącą pozycję mowy.
'sentence': osiągnięto koniec zdania. Użyj event.charIndex, aby określić bieżącą pozycję mowy.
'marker': osiągnięto znacznik SSML. Użyj event.charIndex, aby określić bieżącą pozycję mowy.
'end': silnik zakończył odczytywanie wypowiedzi.
'interrupted': wypowiedź została przerwana przez inne połączenie z speak() lub stop() i nie została dokończona.
'cancelled': wypowiedź została umieszczona w kolejce, ale potem anulowana przez inne wywołanie funkcji speak() lub stop() i nigdy nie została odtworzona.
'error': wystąpił błąd specyficzny dla wyszukiwarki i nie można wypowiedzieć tego wyrażenia. Więcej informacji znajdziesz w event.errorMessage.

4 rodzaje zdarzeń – 'end', 'interrupted', 'cancelled' i 'error' – są ostateczne. Po otrzymaniu jednego z tych zdarzeń wypowiedź nie będzie już odtwarzana i nie będą odbierane żadne nowe zdarzenia z tej wypowiedzi.

Niektóre głosy mogą nie obsługiwać wszystkich typów zdarzeń, a niektóre mogą nie wysyłać żadnych zdarzeń. Jeśli nie chcesz używać głosu, chyba że wysyła on określone zdarzenia, przekaż wymagane zdarzenia w elemencie requiredEventTypes obiektu opcji lub użyj funkcji getVoices(), aby wybrać głos spełniający Twoje wymagania. Obie te metody są opisane poniżej.

Znaczniki SSML

Wypowiedzi używane w tym interfejsie API mogą zawierać znaczniki w języku znaczników syntezy mowy (SSML). Jeśli używasz SSML, pierwszym argumentem funkcji speak() powinien być kompletny dokument SSML z nagłówkiem XML i tagiem najwyższego poziomu <speak>, a nie fragment dokumentu.

Na przykład:

chrome.tts.speak(
  '<?xml version="1.0"?>' +
  '<speak>' +
  '  The <emphasis>second</emphasis> ' +
  '  word of this sentence was emphasized.' +
  '</speak>'
);

Nie wszystkie silniki mowy obsługują wszystkie tagi SSML, a niektóre mogą w ogóle nie obsługiwać SSML, ale wszystkie silniki muszą ignorować nieobsługiwane tagi SSML i nadal odczytywać tekst źródłowy.

Wybierz głos

Domyślnie Chrome wybiera najbardziej odpowiedni głos dla każdego wypowiadanego tekstu na podstawie języka. W większości systemów Windows, Mac OS X i ChromeOS synteza mowy zapewniana przez system operacyjny powinna być w stanie odczytać dowolny tekst w co najmniej 1 języku. Niektórzy użytkownicy mogą mieć dostęp do różnych głosów z systemu operacyjnego i silników mowy zaimplementowanych przez inne rozszerzenia Chrome. W takich przypadkach możesz wdrożyć kod niestandardowy, aby wybrać odpowiedni głos lub wyświetlić użytkownikowi listę opcji.

Aby uzyskać listę wszystkich głosów, wywołaj funkcję getVoices() i przekaż jej funkcję, która jako argument otrzymuje tablicę obiektów TtsVoice:

chrome.tts.getVoices(
  function(voices) {
    for (var i = 0; i < voices.length; i++) {
      console.log('Voice ' + i + ':');
      console.log('  name: ' + voices[i].voiceName);
      console.log('  lang: ' + voices[i].lang);
      console.log('  extension id: ' + voices[i].extensionId);
      console.log('  event types: ' + voices[i].eventTypes);
    }
  }
);

Typy

EventType

Chrome 54 lub nowsza

Typ wyliczeniowy

„start”

„end”

„word”

„sentence”

„marker”

„interrupted”

„cancelled”

„error”

„pause”

„resume”

TtsEvent

Zdarzenie z silnika TTS, które informuje o stanie wypowiedzi.

Właściwości

charIndex

number opcjonalny

Indeks bieżącego znaku w wypowiedzi. W przypadku zdarzeń dotyczących słów zdarzenie jest wywoływane na końcu jednego słowa i przed rozpoczęciem następnego. Znak charIndex oznacza punkt w tekście na początku następnego słowa, które ma zostać wypowiedziane.
errorMessage

ciąg znaków opcjonalny

Opis błędu, jeśli typ zdarzenia to error.
długość

number opcjonalny

Chrome 74 lub nowszy

Długość następnej części wypowiedzi. Na przykład w przypadku zdarzenia word jest to długość słowa, które zostanie wypowiedziane jako następne. Jeśli nie zostanie ustawiona przez silnik mowy, będzie miała wartość -1.
typ

EventType

Typ może być start jak tylko rozpocznie się mowa, word po osiągnięciu granicy słowa, sentence po osiągnięciu granicy zdania, marker po osiągnięciu elementu znacznika SSML, end po osiągnięciu końca wypowiedzi, interrupted po zatrzymaniu lub przerwaniu wypowiedzi przed osiągnięciem końca, cancelled po usunięciu z kolejki przed syntezą lub error w przypadku wystąpienia innego błędu. Podczas wstrzymywania mowy wywoływane jest zdarzenie pause, jeśli dana wypowiedź zostanie wstrzymana w połowie, oraz zdarzenie resume, jeśli wypowiedź zostanie wznowiona. Pamiętaj, że zdarzenia wstrzymania i wznowienia mogą nie być wywoływane, jeśli mowa zostanie wstrzymana między wypowiedziami.

TtsOptions

Chrome w wersji 77 lub nowszej

Opcje mowy dla mechanizmu zamiany tekstu na mowę.

Właściwości

desiredEventTypes

string[] opcjonalny

Typy zdarzeń TTS, które Cię interesują. Jeśli go brakuje, można wysyłać wszystkie typy zdarzeń.
dodawać do kolejki,

wartość logiczna opcjonalna

Jeśli wartość to prawda, wypowiedź zostanie dodana do kolejki, jeśli synteza mowy jest już w toku. Jeśli wartość to false (domyślnie), przerywa bieżącą mowę i czyści kolejkę mowy przed wypowiedzeniem nowego zdania.
extensionId

ciąg znaków opcjonalny

Identyfikator rozszerzenia silnika mowy, który ma być używany, jeśli jest znany.
płeć

VoiceGender opcjonalny

Wycofane w Chrome 77

Płeć została wycofana i będzie ignorowana.
Płeć głosu syntezatora mowy.
lang

ciąg znaków opcjonalny

Język, który ma być używany do syntezy, w formacie język-region. Przykłady: „en”, „en-US”, „en-GB”, „zh-CN”.
rzut

number opcjonalny

Wysokość głosu w zakresie od 0 do 2 włącznie, gdzie 0 to najniższa, a 2 to najwyższa wartość. Wartość 1,0 odpowiada domyślnej wysokości głosu.
szybkość reakcji

number opcjonalny

Tempo mówienia w stosunku do domyślnego tempa dla tego głosu. Domyślna szybkość to 1,0, czyli zwykle około 180–220 słów na minutę. 2,0 to dwukrotnie większa szybkość, a 0,5 to dwukrotnie mniejsza szybkość. Wartości poniżej 0,1 lub powyżej 10,0 są niedozwolone, ale wiele głosów ogranicza minimalną i maksymalną szybkość – na przykład dany głos może nie mówić szybciej niż 3 razy szybciej niż normalnie, nawet jeśli podasz wartość większą niż 3,0.
requiredEventTypes

string[] opcjonalny

Typy zdarzeń TTS, które musi obsługiwać głos.
voiceName

ciąg znaków opcjonalny

Nazwa głosu używanego na potrzeby syntezy. Jeśli to pole jest puste, używany jest dowolny dostępny głos.
głośność

number opcjonalny

Głośność mówienia w zakresie od 0 do 1 włącznie, gdzie 0 to najniższa głośność, a 1 to najwyższa głośność.Wartość domyślna to 1,0.
onEvent

void optional

Ta funkcja jest wywoływana w przypadku zdarzeń, które występują podczas wypowiadania komunikatu.

Funkcja onEvent wygląda tak:
```
(event: TtsEvent) => {...}
```
- zdarzenie
  
  TtsEvent
  
  Wydarzenie aktualizacji z silnika zamiany tekstu na mowę wskazujące stan tej wypowiedzi.

TtsVoice

Opis głosu dostępnego na potrzeby syntezy mowy.

Właściwości

eventTypes

EventType[] opcjonalne

Wszystkie typy zdarzeń wywołania zwrotnego, które ten głos może wysyłać.
extensionId

ciąg znaków opcjonalny

Identyfikator rozszerzenia, które udostępnia ten głos.
płeć

VoiceGender opcjonalny

Wycofane w Chrome 70

Pole Gender zostało wycofane i będzie ignorowane.
Płeć tego głosu.
lang

ciąg znaków opcjonalny

Język obsługiwany przez ten głos w formacie język-region. Przykłady: „en”, „en-US”, „en-GB”, „zh-CN”.
pilot

wartość logiczna opcjonalna

Jeśli ma wartość Prawda, silnik syntezy jest zdalnym zasobem sieciowym. Może to powodować większe opóźnienia i generować koszty związane z przepustowością.
voiceName

ciąg znaków opcjonalny

Nazwa głosu.

VoiceGender

Chrome 54 i nowsze wersje Wycofane w Chrome 70

Atrybut płeć został wycofany i jest ignorowany.

Typ wyliczeniowy

„male”

„female”

Metody

getVoices()

chrome.tts.getVoices(): Promise<TtsVoice[]>

Pobiera tablicę wszystkich dostępnych głosów.

Zwroty

Promise<TtsVoice[]>

Chrome 101 lub nowsza

isSpeaking()

chrome.tts.isSpeaking(): Promise<boolean>

Sprawdza, czy silnik aktualnie mówi. W systemie Mac OS X wynik jest prawdziwy, gdy silnik mowy systemu odtwarza dźwięk, nawet jeśli nie został on zainicjowany przez Chrome.

Zwroty

Promise<boolean>

Chrome 101 lub nowsza

pause()

chrome.tts.pause(): void

Wstrzymuje syntezę mowy, potencjalnie w trakcie wypowiedzi. Połączenie w celu wznowienia lub zatrzymania spowoduje wznowienie wypowiedzi.

resume()

chrome.tts.resume(): void

Jeśli mowa została wstrzymana, wznowi mówienie od miejsca, w którym została przerwana.

speak()

chrome.tts.speak(
  utterance: string,
  options?: TtsOptions,
): Promise<void>

odczytuje tekst za pomocą mechanizmu zamiany tekstu na mowę;

Parametry

wypowiedź

ciąg znaków

Tekst do odczytania, zwykły tekst lub kompletny, prawidłowo sformatowany dokument SSML. Mechanizmy mowy, które nie obsługują SSML, usuną tagi i odczytają tekst. Maksymalna długość tekstu to 32 768 znaków.
Opcje

TtsOptions opcjonalny

Opcje mowy.

Zwroty

Promise<void>

Chrome 101 lub nowsza

Rozwiązuje problem od razu, zanim skończy się mowa. Jeśli wystąpi błąd, obietnica zostanie odrzucona. Aby uzyskać bardziej szczegółowe informacje, użyj options.onEvent.

stop()

chrome.tts.stop(): void

Zatrzymuje odczytywanie i czyści kolejkę oczekujących wypowiedzi. Jeśli mowa została wstrzymana, zostanie wznowiona przy następnym wywołaniu funkcji mówienia.

Wydarzenia

onVoicesChanged

Chrome 124 lub nowsza

chrome.tts.onVoicesChanged.addListener(
  callback: function,
)

Wywoływana, gdy zmieni się lista obiektów tts.TtsVoice, które zostałyby zwrócone przez getVoices.

Parametry

callback

funkcja

Parametr callback wygląda tak:
```
() => void
```

chrome.tts Zadbaj o dobrą organizację dzięki kolekcji Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.

Opis

Uprawnienia

Pojęcia i zastosowanie

Generuj mowę

Nasłuchiwanie zdarzeń

Znaczniki SSML

Wybierz głos

Typy

EventType

Typ wyliczeniowy

TtsEvent

Właściwości

TtsOptions

Właściwości

TtsVoice

Właściwości

VoiceGender

Typ wyliczeniowy

Metody

getVoices()

Zwroty

isSpeaking()

Zwroty

pause()

resume()

speak()

Parametry

Zwroty

stop()

Wydarzenia

onVoicesChanged

Parametry

chrome.tts