今天來聊聊 iOS 平台的 TTS(Text To Speech,語音合成)技術方案。如果是在 Android 平台上,TTS 幾乎不算什麼難題,因為系統本身就內建了 TTS 功能,中英文的朗讀效果都相當不錯。然而 iOS 平台原生並不支援 TTS,所以開發者若想讓自己的 App 具備語音朗讀能力,第一步就是找到好用的 TTS 解決方案。
根據我的了解,在 iOS 平台上大致有以下幾種選擇:
只要搜尋一下,很容易就能找到這兩個開源庫:OpenEars 與 FliteTTS。OpenEars 是一套開源的 iOS 函式庫,支援離線的語音辨識與 TTS,但它主要針對英文設計;FliteTTS 則較為輕巧,同樣不支援中文。因此若要製作中文語音合成,這兩個庫基本上派不上用場(這是網路上的普遍說法,我並未實際驗證)。
另一個選擇是 Google 的在線語音合成服務,請求格式如下:
https://translate.google.com/translate_tts?tl=en&q=tekuba
如上範例會回傳「tekuba」的英文發音 mp3 檔。如果需要的是中文發音,只要把 tl 參數改為 zh:
https://translate.google.com/translate_tts?tl=zh&q=成功智慧網
如果 App 需要的是固定的語音播報,那麼使用 Google 這個在線服務相當合適——只需請求一次,把回傳的 mp3 存在本地,之後直接讀取即可。但大部分情境下,要轉換成語音的文本並不固定,這時就只能另尋他法了。
目前中文語音合成做得比較出色的,当属科大訊飛,無論是語速還是停頓都相當自然。但它提供的 iOS 版 SDK 僅支援在線語音合成(類似前面提到的 Google 在線服務),當時還不支援本地離線合成。我曾向科大訊飛的技術人員詢問,對方表示支援離線合成的 iOS 版 SDK 大約會在當年年中推出(本文撰寫於 2014 年)。
此外,百度也在 2013 年 10 月推出了語音技術平台,不過當時使用仍需提出申請,我並未實際嘗試,無從得知它是否支援 iOS 的離線語音合成。若有朋友用過,也歡迎分享心得。
如果你的 App 只需支援 iOS 7 以上系統,那麼 iOS 7 為 AVFoundation.framework 引入的新特性會非常適合你。
使用時先導入對應的標頭檔,範例如下:
AVSpeechSynthesizer *av = [[AVSpeechSynthesizer alloc] init]; AVSpeechUtterance *utterance = [[AVSpeechUtterance alloc] initWithString:@"成功智慧網"]; // 需要轉換的文本 [av speakUtterance:utterance];
不過依我實測,iOS 7 這個介面合成的語音比較生硬,而且缺乏自然的停頓。
整體而言,在 iOS 平台上要實現離線語音合成仍舊相當麻煩;若是在線合成沒有疑慮,那麼採用科大訊飛的產品會是相當不錯的選擇。