鸿蒙 Next 文本转语音与语音转文字实用场景教程#我的鸿蒙开发手记# 原创

纯爱掌门人

发布于 2025-5-14 17:06

浏览

0收藏

在数字化快速发展的今天，语音技术在提升交互体验和辅助特殊人群方面发挥着重要作用。鸿蒙 Next 的 Core Speech Kit 提供了文本转语音（TTS）和语音识别（ASR）功能，为开发者打造无障碍交互应用提供了有力支持,本文将深入探讨其实用场景。

语音技术演进与鸿蒙实现优势

核心能力升级

鸿蒙 Core Speech Kit 提供双引擎驱动模式

在线模式：依托华为云语音服务实现高精度识别与自然语音合成（支持 15+ 语种）
离线模式：内置轻量级引擎保障无网环境基础功能（需下载 200MB 语音包
性能优化策略
端侧计算加速：利用 NPU 芯片实现 200ms 级低延迟响应
多模态融合：结合设备传感器数据（如运动状态）动态调整拾音策略

一、文本转语音（TTS）应用场景

（一）无障碍辅助

视障人士阅读 ：视障人士在使用手机、平板等设备时，难以通过视觉获取屏幕信息。借助 TTS 功能，系统应用可实现屏幕朗读，如阅读新闻、浏览社交动态、查看消息提醒等，让视障人士 “听” 到文字内容，畅享信息获取的便利。
长辈模式 ：部分长辈对小字体阅读感到困难，TTS 能将文章、电子书等内容转化为语音播报，方便长辈收听新闻资讯、小说故事等，丰富他们的精神生活。

（二）智能语音助手

智能家居控制 ：在智能家居场景中，用户可通过语音指令控制设备，如 “打开窗帘”“开启空调”。TTS 可用于确认指令和反馈设备状态，如 “窗帘已打开”，提升交互自然度。
智能客服 ：在应用内客服场景，TTS 可将常见问题解答、操作指南等文本内容转化为语音，为用户提供更便捷的咨询方式，尤其适用于驾驶等不便阅读的场景。

二、语音转文字（ASR）应用场景

（一）听障人士辅助

音频内容获取 ：听障人士难以通过听觉获取音频信息，ASR 可将语音会议、讲座、广播等内容转为文字，方便他们获取关键信息，提升学习和工作效率。
社交互动 ：在社交聊天中，ASR 可将语音消息转为文字，让听障人士更好地参与对话，增进与他人的情感交流。

（二）高效办公与学习

会议记录 ：在会议中，ASR 可实时将发言转为文字，生成会议纪要，节省人工记录时间，提高办公效率。
课堂笔记 ：学生可利用 ASR 将老师讲课内容转为文字，方便课后复习，尤其适用于大量信息需要记录的场景。

三、开发语音交互

（一）开发环境准备

确保已安装鸿蒙开发工具，并创建 HarmonyOS 项目，添加 Core Speech Kit 相关依赖。

（二）文本转语音开发步骤

引入模块 ：在代码文件中引入 textToSpeech 模块。

import { textToSpeech } from '@kit.CoreSpeechKit';
import { BusinessError } from '@kit.BasicServicesKit';

创建引擎 ：调用 createEngine 接口创建 TextToSpeechEngine 实例，设置语言、音色等参数。

let ttsEngine: textToSpeech.TextToSpeechEngine;
let extraParam: Record<string, Object> = {"style": 'interaction-broadcast', "locate": 'CN', "name": 'EngineName'};
let initParamsInfo: textToSpeech.CreateEngineParams = { language: 'zh-CN', person: 0, online: 1, extraParams: extraParam };
textToSpeech.createEngine(initParamsInfo, (err: BusinessError, textToSpeechEngine: textToSpeech.TextToSpeechEngine) => {
  if (!err) {
    ttsEngine = textToSpeechEngine;
  } else {
    console.error(`Failed to create engine. Code: ${err.code}, message: ${err.message}.`);
  }
});

设置播报参数与监听器 ：实例化 SpeakParams 对象和 SpeakListener 对象，设置播报策略、音量、语速等参数，并监听播报事件。

let speakListener: textToSpeech.SpeakListener = { /* 监听器方法实现 */ };
ttsEngine.setListener(speakListener);
let originalText: string = 'Hello HarmonyOS';
let extraParam: Record<string, Object> = {"queueMode": 0, "speed": 1, "volume": 2, "pitch": 1, "languageContext": 'zh-CN', "audioType": "pcm", "soundChannel": 3, "playType": 1 };
let speakParams: textToSpeech.SpeakParams = { requestId: '123456', extraParams: extraParam };
ttsEngine.speak(originalText, speakParams);

（三）语音转文字开发步骤

引入模块 ：引入 speechRecognizer 模块。

import { speechRecognizer } from '@kit.CoreSpeechKit';
import { BusinessError } from '@kit.BasicServicesKit';

创建引擎 ：调用 createEngine 方法创建 SpeechRecognitionEngine 实例，设置语言、识别模式等参数。

let asrEngine: speechRecognizer.SpeechRecognitionEngine;
let sessionId: string = '123456';
let extraParam: Record<string, Object> = {"locate": "CN", "recognizerMode": "short"};
let initParamsInfo: speechRecognizer.CreateEngineParams = { language: 'zh-CN', online: 1, extraParams: extraParam };
speechRecognizer.createEngine(initParamsInfo, (err: BusinessError, speechRecognitionEngine: speechRecognizer.SpeechRecognitionEngine) => {
  if (!err) {
    asrEngine = speechRecognitionEngine;
  } else {
    console.error(`Failed to create engine. Code: ${err.code}, message: ${err.message}.`);
  }
});

设置监听器 ：实例化 RecognitionListener 对象，设置回调方法，接收语音识别结果等信息。

let setListener: speechRecognizer.RecognitionListener = { /* 回调方法实现 */ };
asrEngine.setListener(setListener);

开始识别 ：根据音频来源（文件或麦克风），设置识别参数，调用 startListening 方法开始识别。

private startListeningForWriteAudio() {
  let recognizerParams: speechRecognizer.StartParams = { sessionId: this.sessionId, audioInfo: { audioType: 'pcm', sampleRate: 16000, soundChannel: 1, sampleBit: 16 } };
  asrEngine.startListening(recognizerParams);
}

写入音频流 ：对于音频文件识别，读取文件并写入音频流；对于麦克风识别，获取音频流后写入。
```
let uint8Array: Uint8Array = new Uint8Array();
asrEngine.writeAudio(sessionId, uint8Array);
```

四、注意事项

权限配置 ：使用语音识别功能时，需在 module.json5 配置文件中添加 ohos.permission.MICROPHONE 权限。

鸿蒙 Next 文本转语音与语音转文字实用场景教程#我的鸿蒙开发手记#-鸿蒙开发者社区

音频格式要求 ：确保音频文件格式符合要求，如 pcm 格式、采样率等参数设置正确。
网络状态 ：部分功能可能依赖网络，在无网环境下可能无法使用，需根据实际需求进行处理。

五、实战案例

（一）文本转语音

import { textToSpeech } from '@kit.CoreSpeechKit';
import { BusinessError } from '@kit.BasicServicesKit';
let ttsEngine: textToSpeech.TextToSpeechEngine;
function createEngine() {
  let extraParam: Record<string, Object> = {"style": 'interaction-broadcast', "locate": 'CN', "name": 'EngineName'};
  let initParamsInfo: textToSpeech.CreateEngineParams = { language: 'zh-CN', person: 0, online: 1, extraParams: extraParam };
  textToSpeech.createEngine(initParamsInfo, (err: BusinessError, textToSpeechEngine: textToSpeech.TextToSpeechEngine) => {
    if (!err) {
      ttsEngine = textToSpeechEngine;
    } else {
      console.error(`Failed to create engine. Code: ${err.code}, message: ${err.message}.`);
    }
  });
}
function speak(text: string) {
  let speakListener: textToSpeech.SpeakListener = { /* 监听器方法实现 */ };
  ttsEngine.setListener(speakListener);
  let extraParam: Record<string, Object> = {"queueMode": 0, "speed": 1, "volume": 2, "pitch": 1, "languageContext": 'zh-CN', "audioType": "pcm", "soundChannel": 3, "playType": 1 };
  let speakParams: textToSpeech.SpeakParams = { requestId: '123456', extraParams: extraParam };
  ttsEngine.speak(text, speakParams);
}

（二）语音转文字

import { speechRecognizer } from '@kit.CoreSpeechKit';
import { BusinessError } from '@kit.BasicServicesKit';
let asrEngine: speechRecognizer.SpeechRecognitionEngine;
let sessionId: string = '123456';
function createEngine() {
  let extraParam: Record<string, Object> = {"locate": "CN", "recognizerMode": "short"};
  let initParamsInfo: speechRecognizer.CreateEngineParams = { language: 'zh-CN', online: 1, extraParams: extraParam };
  speechRecognizer.createEngine(initParamsInfo, (err: BusinessError, speechRecognitionEngine: speechRecognizer.SpeechRecognitionEngine) => {
    if (!err) {
      asrEngine = speechRecognitionEngine;
    } else {
      console.error(`Failed to create engine. Code: ${err.code}, message: ${err.message}.`);
    }
  });
}
function startRecognition() {
  let setListener: speechRecognizer.RecognitionListener = { /* 回调方法实现 */ };
  asrEngine.setListener(setListener);
  let recognizerParams: speechRecognizer.StartParams = { sessionId: sessionId, audioInfo: { audioType: 'pcm', sampleRate: 16000, soundChannel: 1, sampleBit: 16 } };
  asrEngine.startListening(recognizerParams);
}
function writeAudio(audioData: Uint8Array) {
  asrEngine.writeAudio(sessionId, audioData);
}

分类

标签

已于2025-7-23 23:29:05修改