更新记录

1.0.6（2024-01-19）

启用扬声器

1.0.5（2024-01-19）

增加切换到扬声器

1.0.4（2024-01-14）

ios回调问题

平台兼容性

sm-ms-speech

开发文档

UTS 语法 UTS API插件 UTS 组件插件 Hello UTS

插件使用流程：

• 试用插件，选择该插件绑定的项目，导入插件到指定项目。
• 根据插件作者的提供的文档开发代码，在代码中引用插件，调用插件功能。
• 打包自定义基座，得到自定义基座，进行log输出测试。
• 开发完毕后，测试没问题，可购买插件，云打包。
• UTS插件目前不支持离线打包。

微软原生语音合成插件，文本转语音，支持SSML

sm-ms-speech简介

文本转语音可让应用程序、工具或设备将文本转换为类似于人类的合成语音。 文本转语音功能也称为语音合成。 使用现成的类似于人类的预生成神经网络声音，或根据你的产品或品牌创建独特的神经网络定制声音。 有关支持的声音、语言和区域设置的完整列表，请参阅语音服务的语言和声音支持。

核心功能

文本转语音包括以下功能：

有建议和定制需要，请联系QQ：592121306

插件使用

在 script 中引入组件

    import * as MSSpeech from "@/uni_modules/sm-ms-speech"

初始化

MSSpeech.initSpeech({
                speechKey: "",
                speechRegion: ""
            });

开始播放，可配置一些基础参数

详细参数设置请参考：https://learn.microsoft.com/zh-cn/azure/ai-services/speech-service/speech-synthesis-markup-voice

MSSpeech.speakCustom({
    content : string   //待播放的文本
    language : string | null   //语言，如zh-CN
    voiceName : string | null  //发音人 ，如  zh-CN-XiaoxiaoNeural
    style : string | null   //讲话风格，如angry,sad
    role : string | null        //角色，如Girl,Boy,SeniorMale
    pitch : string | null       //音调
    rate : string | null        //速率
    volume : string | null  //声音
});

语音和发音人参考：

https://learn.microsoft.com/zh-cn/azure/ai-services/speech-service/language-support?tabs=tts

下表介绍了每个受支持的 style 属性：

进阶用法通过SSML改进合成

详细请参考官网：https://learn.microsoft.com/zh-cn/azure/ai-services/speech-service/speech-synthesis-markup-structure

MSSpeech.speakSsml(string)

停止合成与播放

MSSpeech.stopSpeak();

设置播放回调

MSSpeech.registCallback({
                started: () => {
                    console.log("started");
                },
                completed: () => {
                    console.log("completed");
                },
                canceled: () => {
                    console.log("canceled");
                },
            });

SSML文档结构

SSML 的语音服务实现基于万维网联合会的语音合成标记语言版本 1.0。 语音服务支持的元素可能与 W3C 标准不同。

每个 SSML 文档是使用 SSML 元素（或标记）创建的。 这些元素用于调整语音、风格、音节、韵律、音量等。

下面是 SSML 文档的基本结构和语法的子集：

XML

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xmlns:mstts="https://www.w3.org/2001/mstts" xml:lang="string">
    <mstts:backgroundaudio src="string" volume="string" fadein="string" fadeout="string"/>
    <voice name="string" effect="string">
        <audio src="string"></audio>
        <bookmark mark="string"/>
        <break strength="string" time="string" />
        <emphasis level="value"></emphasis>
        <lang xml:lang="string"></lang>
        <lexicon uri="string"/>
        <math xmlns="http://www.w3.org/1998/Math/MathML"></math>
        <mstts:audioduration value="string"/>
        <mstts:ttsembedding speakerProfileId="string"></mstts:ttsembedding>
        <mstts:express-as style="string" styledegree="value" role="string"></mstts:express-as>
        <mstts:silence type="string" value="string"/>
        <mstts:viseme type="string"/>
        <p></p>
        <phoneme alphabet="string" ph="string"></phoneme>
        <prosody pitch="value" contour="value" range="value" rate="value" volume="value"></prosody>
        <s></s>
        <say-as interpret-as="string" format="string" detail="string"></say-as>
        <sub alias="string"></sub>
    </voice>
</speak>

以下列表描述了每个元素中允许的一些内容示例：

• audio：如果音频文件不可用或不可播放，可在 audio 元素的正文中包含可讲述的纯文本或 SSML 标记。 audio元素还包含文本和以下元素：audio、break、p、s、phoneme、prosody、say-as 和 sub。
• bookmark：此元素不能包含文本或任何其他元素。
• break：此元素不能包含文本或任何其他元素。
• emphasis：此元素可包含文本和以下元素：audio、break、emphasis、lang、phoneme、prosody、say-as和 sub。
• lang：此元素可包含除 mstts:backgroundaudio、voice 和 speak 以外的所有其他元素。
• lexicon：此元素不能包含文本或任何其他元素。
• math：此元素只能包含文本和 MathML 元素。
• mstts:audioduration：此元素不能包含文本或任何其他元素。
• mstts:backgroundaudio：此元素不能包含文本或任何其他元素。
• mstts:embedding：此元素可包含文本和以下元素：audio、break、emphasis、lang、phoneme、prosody、say-as 和 sub。
• mstts:express-as：此元素可包含文本和以下元素：audio、break、emphasis、lang、phoneme、prosody、say-as 和 sub。
• mstts:silence：此元素不能包含文本或任何其他元素。
• mstts:viseme：此元素不能包含文本或任何其他元素。
• p：此元素可包含文本和以下元素：audio、break、phoneme、prosody、say-as、sub、mstts:express-as和 s。
• phoneme：此元素只能包含文本，不能包含任何其他元素。
• prosody：此元素可包含文本和以下元素：audio、break、p、phoneme、prosody、say-as、sub 和 s。
• s：此元素可包含文本和以下元素：audio、break、phoneme、prosody、say-as、mstts:express-as 和 sub。
• say-as：此元素只能包含文本，不能包含任何其他元素。
• sub：此元素只能包含文本，不能包含任何其他元素。
• speak：SSML 文档的根元素。 此元素可包含以下元素：mstts:backgroundaudio 和 voice。
• voice：此元素可包含除 mstts:backgroundaudio 和 speak 以外的所有其他元素。

语音服务可自动适当处理停顿（例如，在句号后面暂停片刻），或者在以问号结尾的句子中使用正确的音调。