要在前端實現語音合成，即將文字講述出來，一開始考慮用百度tts語音合成的方法，后來發現html5 本身就支持語音合成。就直接用html5的咯，百度的那個還有調用次數限制，配置還麻煩
一、關於HTML5語音Web Speech API
HTML5中和Web Speech相關的API實際上有兩類，一類是“語音識別(Speech Recognition)”，另外一個就是“語音合成(Speech Synthesis)”，這兩個名詞聽上去很高大上，實際上指的分別是“語音轉文字”，和“文字變語音”。
而本文要介紹的就是這里的“語音合成-文字變語音”。為什么稱為“合成”呢？比方說你Siri發音“你好，世界！” 實際上是把“你”、“好”、“世”、“界”這4個字的讀音給合並在一起，因此，稱為“語音合成”。
“語音識別”和“語音合成”看上去像是正反兩方面，應該帶有鏡面氣質，實際上，至少從兼容性來看，兩者並無法直接對等。
“語音識別(Speech Recognition)”目前的就Chrome瀏覽器和死忠小弟Opera瀏覽器默認支持，並且需要webkit私有前綴：
但是，“語音合成(Speech Synthesis)”的兼容性要好上太多了，如下圖：
所以，本文主要介紹下理論上更為適用的HTML5 Speech Synthesis API。不過在此之前，Speech Recognition API還是簡單提一下。
Speech Recognition API也就是語音識別功能，需要麥克風等音頻輸入設備的支持，在Chrome瀏覽器下，實際上可以添加簡單的屬性就可以讓部分控件有語音識別功能，一行JS都不需要寫，這個我之前有專門寫文章介紹過：“漸進使用HTML5語言識別, so easy!”
就是在輸入框上加一個x-webkit-speech屬性即可，例如：
<input x-webkit-speech />
然而，我剛剛打開demo頁面一測試，發現原來有的麥克風（下圖為以前截圖）居然不見了。。。。看來已經被chrome無情拋棄了！
好吧，就當我上面的內容，什么都沒說過。不過有一點是可以肯定的，就是原來輸入框上的那個語音識別底層就是使用的Speech Recognition API，因此存在一定的共性，比方說文字內容識別需要google服務器返回，因此功能就與網絡環境有很大關系，比方說google被牆了，或者網速很慢了，都有可能導致識別出現異常。
使用的基本套路如下：
- 創建SpeechRecognition的新實例。由於到目前為止，瀏覽器還沒有廣泛支持，所以需要
webKit的前綴：var newRecognition = webkitSpeechRecognition();
- 設置是持續聽還是聽到聲音之后就關閉接收。通過設置
continuous屬性值實現。一般聊天溝通使用false屬性值，如果是寫文章寫公眾號之類的則可以設置為true，如下示意：newRecognition.continuous = true;
- 控制語音識別的開啟和停止，可以使用start()和stop()方法：
// 開啟 newRecognition.start(); // 停止 newRecognition.stop();
- 對識別到的結果進行處理，可以使用一些事件方法，比方說
onresult：newRecognition.onresult = function(event) { console.log(event); }event是個對象，我家里電腦不知道什么原因，無法成功返回識別內容，顯示網絡錯誤，可能因為牆的緣故：
所以，我從網上找了下大致數據結構：
{ .. results: { 0: { 0: { confidence: 0.695017397403717, transcript: "你好，世界" }, isFinal:true, length:1 }, length:1 }, .. }
除了result事件外，還有其他一些事件，例如，soundstart、speechstart、error等。
二、關於語音合成Speech Synthesis API
先從最簡單的例子說起，如果想讓瀏覽器讀出“你好，世界！”的聲音，可以下面的JS代碼：
var utterThis = new window.SpeechSynthesisUtterance('你好，世界！');
window.speechSynthesis.speak(utterThis);
沒錯，只需要這么一點代碼就足夠了，大家可以在自己瀏覽器的控制台里面運行上面兩行代碼，看看有沒有讀出聲音。
上面代碼出現了兩個長長的對象，SpeechSynthesisUtterance和speechSynthesis，就是語音合成Speech Synthesis API的核心。
首先是SpeechSynthesisUtterance對象，主要用來構建語音合成實例，例如上面代碼中的實例對象utterThis。我們可以直接在構建的時候就把要讀的文字內容寫進去：
var utterThis = new window.SpeechSynthesisUtterance('你好，世界！');
又或者是使用實例對象的一些屬性，包括：
text– 要合成的文字內容，字符串。lang– 使用的語言，字符串， 例如："zh-cn"voiceURI– 指定希望使用的聲音和服務，字符串。volume– 聲音的音量，區間范圍是0到1，默認是1。rate– 語速，數值，默認值是1，范圍是0.1到10，表示語速的倍數，例如2表示正常語速的兩倍。pitch– 表示說話的音高，數值，范圍從0（最小）到2（最大）。默認值為1。
因此上面的代碼也可以寫作：
var utterThis = new window.SpeechSynthesisUtterance(); utterThis.text = '你好，世界！';
不僅如此，該實例對象還暴露了一些方法：
onstart– 語音合成開始時候的回調。onpause– 語音合成暫停時候的回調。onresume– 語音合成重新開始時候的回調。onend– 語音合成結束時候的回調。
接下來是speechSynthesis對象，主要作用是觸發行為，例如讀，停，還原等：
speak()– 只能接收SpeechSynthesisUtterance作為唯一的參數，作用是讀合成的話語。stop()– 立即終止合成過程。pause()– 暫停合成過程。resume()– 重新開始合成過程。getVoices– 此方法不接受任何參數，用來返回瀏覽器支持的語音包列表，是個數組，例如，在我的電腦下，Firefox瀏覽器返回的語言包是兩個：
而在chrome瀏覽器下，數量就很驚人了：
雖然數量很多，是有種給人中看不中用的感覺，為什么這么說呢！在我的chrome瀏覽器下，不知道為什么，不會讀任何聲音，但是同樣的demo見面，公司的電腦就可以，我后來仔細查了一下，有可能(20%可能性)是我家里的電腦win7版本是閹割版，沒有安裝或配置TTS引擎。
手機Safari瀏覽器也不會讀。
其中，17是普通話大陸：
另外，
getVoices的獲取是個異步的過程，因此，你可以直接在控制台輸入，speechSynthesis.getVoices()返回的是一個空數組，沒關系，多試幾次，或者搞個定時器之類的。
三、語音合成Speech Synthesis API有什么用
對於盲人或弱視用戶，往往會借助一些輔助設備或者軟件訪問我們的網頁，其原理是通過觸摸或定位某些元素發出聲音，來讓用戶感知內容。
有了語音合成Speech Synthesis API，對於這類用戶，以及開發人員自己，都會帶來一定的便利性。首先對於視覺有障礙的用戶，他們就不需要再安裝其他軟件或購買其他設備，就可以無障礙地訪問我們的產品。對於開發人員自己，我們的無障礙建設可以變得更加靈活，不一定要百分百契合ARIA無障礙規范（可參見我之前文章“WAI-ARIA無障礙網頁應用屬性完全展示”），因為我們可以直接讓瀏覽器合成我想要的語音內容，例如，VoiceOver在對一些標簽讀取的時候，總會附帶一句“標志性內容”，就算對於我這樣專業從業者，這個詞也是有點生澀難懂的，我們其實可以把這個語音合成交給自己，使用更通俗易懂的詞反饋給用戶，我想體驗上應該是更好的。
至少我會在17年，嘗試在一些產品上推動這方面工作的建設。
另外一個就是二維碼識別，有時候肉眼看得眼睛疼，加個按鈕讓用戶聽。
等等~