Android TTS语音播报实践
「这是我参与11月更文挑战的第1天，活动详情查看：2021最后一次更文挑战」。
在工作中遇到了语音播报的需求，在收到push后，用语音播报push携带的播报内容。类似于微信支付宝的收款信息一样。调研后主要的语音播报方案有一下几种：
基于第三方的TTSSDK，如百度、思必驰、讯飞等；自研Native的TTS引擎+模型；基于云端的TTS方案；使用手机自带的TTS引擎。无外乎就是自研或者采购，本地或者云端。
先来点废话，介绍下TTS的发展。
TTS现状及发展语音合成又称文语转换（TexttoSpeech，TTS）技术，是语音处理领域的一个重要的研究方向，旨在让机器生成自然动听的人类语音。
TTS技术主要分为两种：
通用TTS：适用于导航、语音播报、智能客服和大多数语音交互场景；个性化TTS：主要应用于对声音质量较高的教育、长音频、直播以及影视游戏配音等场景中。语音合成模型经过长时间的发展，由最初的基于拼接合成，到参数合成，逐渐达到了现阶段感情充沛的基于端到端合成，最新一代端到端合成降低了对语言学知识的要求，可批量实现多语种的合成系统，语音自然程度高。
语音合成技术内部分为前端和后端。
前端主要负责文本的语音解析和处理，其处理内容主要包括语种、分词、词性预测、多音字处理、韵律预测、情感等。把文本上的发音的这些信息都预测出来之后，将信息送给TTS后端系统，后台声学系统融合这些信息后，将内容转换为语音。后端声学系统从第一代的语音拼接合成，到第二代的语音参数合成，到第三代端到端合成，后端声学系统的智能化程度逐步增加，训练素材需要标记的详细程度和难度也在逐步减弱。TTS在语音交互场景里的应用：
基于拼接合成为了更好的拟合人声，拼接合成技术需要一个大规模的真人音库，音库内容按照音素和不同特征进行标注，合成时根据语言学特征寻找符合的音素，拼接起来完成合成。
优点：效果接近真人，运算量低缺点：拼接而成，语音不连贯，依赖音库，需要人工介入制定很多挑选规则和参数，制作成本高。基于参数合成通过深度学习构建文本特征和音库之间的映射关系，构建参数合成模型，当输入一个语言学特征时，基于神经网络给出音频特征，后通过声码器合成语音波形。
优点：音库数量需求不多，合成语音连接平稳，质量高；缺点：对声码器依赖程度高，同时，由于传统参数系统建模时存在信息损失，限制了合成语音表现力的进一步提升。基于端到端（Tactron为例）端到端语音合成一定程度上解决了拼接合成和参数合成存在的缺陷。端到端合成系统直接输入文本或者注音字符，通过文本或者文本特征和语音直接建模，跳过声码器阶段，减少对声码器的依赖，弱化前端概念。
优点：降低对语音学知识的要求，可方便的在不同语种上复制，批量实现几十种甚至更多语种的合成系统，语音自然程度高；缺点：运算量大，无法人工调优，实时性低。方案选择做这个功能的时候公司已经有团队在自研TTS引擎了，而且云端TTS服务已经跑起来了，并且之前也在外部采购了些云端TTS服务。但是由于我们的Push推送量级很大，不管是外采还是自研云端引擎的成本都很高，出于成本考虑，我们选择只能考虑使用端上的方案。
客户端实现有三种方案：
外采：出于成本考虑，淘汰；自研引擎：语音团队基于参数的合成引擎已完成开发，但是没有人力支撑后续的调试，而播报的话术比较固定，并且对合成声音的音质要求不是特别高，所以选择了一种基于拼接的合成方案作为备选，语句的前部分和后部分使用完整的语音，中间变换部分通过逐字方式合成；手机自带TTS引擎：Android系统已自带了TTS引擎，但是并不是所有的手机都带了中文引擎。AndroidTTS引擎使用初始化TTS引擎classTTSListenerimplementsTextToSpeech.OnInitListener{@OverridepublicvoidonInit(intstatus){if(mSpeech!=null){intisSupportChinese=mSpeech.isLanguageAvailable(Locale.CHINESE);//是否支持中文mSpeech.getMaxSpeechInputLength();//最大播报文本长度if(isSupportChinese==TextToSpeech.LANG_AVAILABLE){intsetLanRet=mSpeech.setLanguage(Locale.CHINESE);//设置语言intsetSpeechRateRet=mSpeech.setSpeechRate(1.0f);//设置语intsetPitchRet=mSpeech.setPitch(1.0f);//设置音量StringdefaultEngine=mSpeech.getDefaultEngine();//默认引擎if(status==TextToSpeech.SUCCESS){//初始化TextToSpeech引擎成功，初始化成功后才可以play等}}}else{//初始化TextToSpeech引擎失败}}}TextToSpeechmSpeech=newTextToSpeech(ContextHolder.appContext(),newTTSListener());复制代码设置播报状态回调mSpeech.setOnUtteranceProgressListener(newUtteranceProgressListener(){@OverridepublicvoidonStart(StringutteranceId){//播报开始}@OverridepublicvoidonDone(StringutteranceId){//播报结束}@OverridepublicvoidonError(StringutteranceId){//播报出错}});复制代码开始播报longutteranceId=System.currentTimeMillis();HashMapttsOptions=newHashMap();ttsOptions.put(TextToSpeech.Engine.KEY_PARAM_UTTERANCE_ID,String.valueOf(utteranceId));//utterance，这个参数随便写，用于监听播报完成的回调中ttsOptions.put(TextToSpeech.Engine.KEY_PARAM_VOLUME,String.valueOf(1));//音量ttsOptions.put(TextToSpeech.Engine.KEY_PARAM_STREAM,String.valueOf(AudioManager.STREAM_NOTIFICATION));//播放类型intret=mSpeech.speak(tts,TextToSpeech.QUEUE_FLUSH,ttsOptions);if(ret==TextToSpeech.SUCCESS){//播报成功}复制代码文本转换为语音文件longutteranceId=System.currentTimeMillis();Filefile=newFile("/sdcard/audio_"+utteranceId+".wav");intret=synthesizeToFile("xxxxx",null,file,String.valueOf(utteranceId));if(ret==TextToSpeech.SUCCESS){//合成文件成功}复制代码停止播放调用mSpeech.stop();此时会触发UtteranceProgressListener的onDone回调。
销毁引擎mSpeech.shutdown();复制代码Android11适配为兼容Android11系统手机，我们需要在应用程序AndroidManifest.xml文件中增加如下声明：
复制代码3.5.x版本Gradle需要使用3.5.4以上版本才能识别queries属性。
TextToSpeech手机兼容性问题系统自带TextToSpeechAPI使用很方便，但是有些不支持中文引擎的手机就很头疼，而且市面上哪些手机支持哪些手机不支持我们没有底，所以线上跑了一波以后拿到了目前市面手机TextToSpeech中文引擎的支持情况。收集了694款手机，有90款不支持的手机。具体型号如下：
+--------------------------------------+|XiaomiMI+9+Transparent+Edition||XiaomiMI+8||OnePlusGM1900||OnePlusGM1910||RedmiM2006C3LC||OnePlusIN2020||meizu16T||XiaomiMI+MAX+3||OnePlusONEPLUS+A6010||OnePlusONEPLUS+A5010||meizumeizu+17||RedmiRedmi+K30||OnePlusKB2000||OnePlusHD1900||OnePlusONEPLUS+A6000||meizu16s||XiaomiM2102K1C||XiaomiM2002J9E||RedmiM2007J17C||OnePlusIN2010||meizumeizu+17+Pro||nubiaNX659J||meizu16s+Pro||meizumeizu+16Xs||XiaomiMi+10||LenovoLenovo+L78051||meizuMEIZU+18||OnePlusHD1910||HisenseHLTE226T||xiaomiRedmi+Note+8||RedmiRedmi+K30i+5G||RedmiM2007J3SC||RedmiM2004J19C||RedmiRedmi+Note+8+Pro||RedmiM2104K10AC||xiaomiRedmi+Note+7||RedmiM2003J15SC||XiaomiMIX+2S||RedmiRedmi+K30+Pro||nubiaNX627J||XiaomiMI+CC9+Pro||RedmiRedmi+K30+5G||meizuMEIZU+18+Pro||XiaomiMI+9||XiaomiM2102K1AC||XiaomiMI+8+UD||blacksharkAWM-A0||XiaomiM2011K2C||XiaomiMI+8+Lite||SonyXQ-AT72||XiaomiMi+10+Pro||XiaomiM2102J2SC||OnePlusONEPLUS+A5000||XiaomiM2101K9C||RedmiM2103K19C||xiaomiRedmi+Note+7+Pro||nubiaNX616J||RedmiM2012K10C||XiaomiMIX+3||RedmiM2004J7AC||XiaomiMI+CC9+Pro+Premium+Edition||nubiaNX619J||XiaomiM2007J1SC||koobeeX60+Pro||XiaomiRedmi+K20+Pro||SMARTISANDT1901A||RedmiM2004J7BC||asusASUS_I001DA||HONORHLK-AL00a||RedmiM2006J10C||RedmiM2012K11AC||blacksharkSHARK+PRS-A0||HONORBKL-AL20||SMARTISANDT1902A||ZTEZTE+A2322||RedmiM2007J22C||blacksharkSKW-A0||NokiaNokia+X7||RedmiM2012K11C||HUAWEIMAR-AL00||RedmiRedmi+K30+Pro+Zoom+Edition||nubiaNX669J||Meizu16+X||XiaomiRedmi+K20+Pro+Premium+Edition||asusASUS_I005DA||blacksharkSHARK+KLE-A0||XiaomiMI+6||motorolaXT2125-4||GIONEE20190619G||HUAWEIART-AL00m|+--------------------------------------+复制代码因为大部分手机使用了手机系统TTS服务，对于少量不支持的手机我们可以通过走云端TTS合成，因为已经在我们的成本访问。也可以牺牲包体积和音质，通过拼接合成的方式在不支持的手机上提供TTS服务。
有些支持比较好的，如华为，可以在设置中选择发音音色。在系统设置---辅助功能---无障碍---文本转语音路径下可以选择引擎，调节语速音调：
并且点击引擎选项可以安装引擎提供的发音人语音包，并选择发音人：
总结本文总结了TTS的现状及发展，并介绍了移动端实现TTS的几种方式以及如何系统提供的TextToSpeechAPI、系统API的局限、如何做兼容性等。