如今越来越多的app用到了语音播报功能，例如地图导航、天气预报、文字阅读、口语训练等等。语音技术主要分两块，一块是语音转文字，即语音识别；另一块是文字转语音，即语音合成。 对中文来说，和语音播报相关的一个技术是汉字转拼音，想想看，拼音本身就是音节拼读的标记，每个音节对应一段音频，那么一句的拼音便能用一连串的音频流合成而来。汉字转拼音的说明参见《》。 语音合成通常也简称为TTS，即TextToSpeech（从文本到语言）。语音合成技术把文字智能地转化为自然语音流，当然为了避免机械合成的呆板和停顿感，语音引擎还得对语音流进行平滑处理，确保输出的语音音律流畅、感觉自然。
Android从1.6开始，就内置了语音合成引擎，即“Pico TTS”。该引擎支持英语、法语、德语、意大利语，但不支持中文，幸好Android从4.0开始允许接入第三方的语音引擎，因此只要我们安装了中文引擎，就能在代码中使用中文语音合成服务。例如，在各大应用市场上下载并安装科大讯飞+，然后在手机操作“系统设置”——“语言和输入法”——“文字转语音(TTS)输出”，如下图所示即可设置中文的语音引擎：
Android的语音合成控件类名是TextToSpeech，下面是该类常用的方法说明： 构造函数 : 第二个参数设置TTSListener对象，要重写onInit方法（通常在这里调用setLanguage方法，因为初始化成功后才能设置语言）。第三个参数设置语音引擎，默认是系统自带的pico，要获取系统支持的所有引擎可调用getEngines方法。 setLanguage : 设置语言。英语为Locale.ENGLISH；法语为Locale.FRENCH；德语为Locale.GERMAN；意大利语为Locale.ITALIAN；汉语普通话为Locale.CHINA（需安装中文引擎，如科大讯飞+）。该方法的返回值有三个，0表示正常，-1表示缺失数据，-2表示不支持该语言。 setSpeechRate : 设置语速。1.0正常语速；0.5慢一半的语速；2.0；快一倍的语速。 setPitch : 设置音调。1.0正常音调；低于1.0的为低音；高于1.0的为高音。 speak : 开始对指定文本进行语音朗读。 synthesizeToFile : 把指定文本的朗读语音输出到文件。 stop : 停止朗读。 shutdown : 关闭语音引擎。 isSpeaking : 判断是否在语音朗读。 getLanguage : 获取当前的语言。 getCurrentEngine : 获取当前的语音引擎。 getEngines : 获取系统支持的所有语音引擎。 下面是TextToSpeech处理语音合成的代码示例：
前面提到，只要安装了中文引擎，即可在TextToSpeech中使用中文语音；可是我们没法要求用户再额外下载一个app，正确的做法是在自己app中集成语音sdk。目前中文环境常见的语音sdk主要有科大讯飞、百度语音、捷通华声、云知声等等，开发者可自行选择一个。
科大讯飞语音sdk的集成步骤如下： 1、导入sdk包到libs目录，包括libmsc.so、Msc.jar、Sunflower.jar； 2、到讯飞网站注册并创建新应用，获得appid； 3、自定义一个Application类，在onCreate函数中加入下面代码，注意appid值为第二步申请到的id：
4、在AndroidManifest.xml中加入必要的权限，以及自定义的Application类； 5、根据demo工程编写代码与布局文件； 6、如果使用了RecognizerDialog控件，则要把demo工程assets目录下的文件原样拷过来； 7、在混淆打包的时候需要添加-keep class com.iflytek.**{*;}，
科大讯飞的语音识别用的是SpeechRecognizer类，主要方法如下： createRecognizer : 创建语音识别对象。 setParameter : 设置语音识别的参数。常用参数包括： --SpeechConstant.ENGINE_TYPE : 设置听写引擎。TYPE_LOCAL表示本地，TYPE_CLOUD表示云端，TYPE_MIX表示混合。 --SpeechConstant.RESULT_TYPE : 设置返回结果格式。json表示json格式。 --SpeechConstant.LANGUAGE : 设置语言。zh_cn表示中文，en_us表示英文。 --SpeechConstant.ACCENT : 设置方言。mandarin表示普通话，cantonese表示粤语，henanese表示河南话。 --SpeechConstant.VAD_BOS : 设置语音前端点:静音超时时间，即用户多长时间不说话则当做超时处理。 --SpeechConstant.VAD_EOS : 设置语音后端点:后端点静音检测时间，即用户停止说话多长时间内即认为不再输入，自动停止录音。 --SpeechConstant.ASR_PTT : 设置标点符号。0表示返回结果无标点，1表示返回结果有标点。 --SpeechConstant.AUDIO_FORMAT : 设置音频的保存格式。 --SpeechConstant.ASR_AUDIO_PATH : 设置音频的保存路径。 --SpeechConstant.AUDIO_SOURCE : 设置音频的来源。-1表示音频流，与writeAudio配合使用；-2表示外部文件，同时设置ASR_SOURCE_PATH指定文件路径。 --SpeechConstant.ASR_SOURCE_PATH : 设置外部音频文件的路径。 startListening : 开始监听语音输入。参数为RecognizerListener对象，该对象需重写的方法包括： --onBeginOfSpeech : 内部录音机已经准备好了，用户可以开始语音输入。 --onError : 错误码：10118(您没有说话)，可能是录音机权限被禁，需要提示用户打开应用的录音权限。 --onEndOfSpeech : 检测到了语音的尾端点，已经进入识别过程，不再接受语音输入。 --onResult : 识别结束，返回结果串。 --onVolumeChanged : 语音输入过程中的音量大小变化。 --onEvent : 事件处理，一般是业务出错等异常。 stopListening : 结束监听语音。 writeAudio : 把指定的音频流作为语音输入。 cancel : 取消监听。 destroy : 回收语音识别对象。 下面是科大讯飞语音识别的运行截图：
下面是科大讯飞语音识别的代码例子：
科大讯飞的语音合成用的是SpeechSynthesizer类，主要方法如下： createSynthesizer : 创建语音合成对象。 setParameter : 设置语音合成的参数。常用参数包括： --SpeechConstant.ENGINE_TYPE : 设置合成引擎。TYPE_LOCAL表示本地，TYPE_CLOUD表示云端，TYPE_MIX表示混合。 --SpeechConstant.VOICE_NAME : 设置朗读者。默认xiaoyan（女青年，普通话） --SpeechConstant.SPEED : 设置朗读的语速。 --SpeechConstant.PITCH : 设置朗读的音调。 --SpeechConstant.VOLUME : 设置朗读的音量。 --SpeechConstant.STREAM_TYPE : 设置音频流类型。默认是音乐。 --SpeechConstant.KEY_REQUEST_FOCUS : 设置是否在播放合成音频时打断音乐播放，默认为true。 --SpeechConstant.AUDIO_FORMAT : 设置音频的保存格式。 --SpeechConstant.TTS_AUDIO_PATH : 设置音频的保存路径。 startSpeaking : 开始语音朗读。参数为SynthesizerListener对象，该对象需重写的方法包括： --onSpeakBegin : 朗读开始。 --onSpeakPaused : 朗读暂停。 --onSpeakResumed : 朗读恢复。 --onBufferProgress : 合成进度变化。 --onSpeakProgress : 朗读进度变化。 --onCompleted : 朗读完成。 --onEvent : 事件处理，一般是业务出错等异常。 synthesizeToUri : 只保存音频不进行播放，调用该接口就不能调用startSpeaking。第一个参数是要合成的文本，第二个参数时要保存的音频全路径，第三个参数是SynthesizerListener回调接口。 pauseSpeaking : 暂停朗读。 resumeSpeaking : 恢复朗读。 stopSpeaking : 停止朗读。 destroy : 回收语音合成对象。 下面是科大讯飞语音合成的代码例子：
科大讯飞的demo工程在设置页面使用了PreferenceActivity，看起来代码简炼了许多，正好我们之前还没接触Preference的实际运用，现在就来研究研究。看最新的sdk源码，提示PreferenceActivity的许多方法都过时了，官方建议使用PreferenceFragment来代替。 下面是PreferenceFragment的常用方法说明 getPreferenceManager : 获得参数管理的PreferenceManager对象。该对象主要有两个方法：getDefaultSharedPreferences返回系统默认的共享参数对象；setSharedPreferencesName为设置指定名称的共享参数；有关共享参数的说明参见《》。 addPreferencesFromResource : 从xml资源文件中添加参数界面。 findPreference : 从xml资源文件中获取指定id的元素。EditTextPreference表示该项参数为文本输入；ListPreference表示该项参数为列表选择；CheckBoxPreference表示该项参数为复选框勾选；PreferenceScreen是xml文件的根节点。 setPreferenceScreen : 设置参数屏幕（一般不使用）。 下面是PreferenceFragment的代码示例：
下面是PreferenceFragment的布局示例：
百度语音sdk的集成比较麻烦，主要步骤如下： 1、导入sdk包到libs目录，包括语音识别和语音合成两种库 语音识别的库有： libbdEASRAndroid.so libBDVoiceRecognitionClient_MFE_V1.so VoiceRecognition-2.0.1.jar 语音合成的库有： libbd_etts.so libBDSpeechDecoder_V1.so libbdtts.so libgnustl_shared.so com.baidu.tts_2.2.7.20160616_81bcb05_release.jar galaxy-v2.0.jar 2、到百度注册并创建新应用，获得APP_ID、API_KEY、SECRET_KEY； 3、在AndroidManifest.xml中加入必要的权限，以及meta-data、service和activity设置，注意meta-data的参数值为第二步获得的APP_ID、API_KEY、SECRET_KEY。详细的xml部分例子如下：
4、demo工程中assets目录下的文件原样拷过来； 5、demo工程中res目录下的drawable、layout、raw下面的资源原样拷过来； 6、根据demo工程编写代码与布局文件，注意在语音合成初始化时，setAppId和setApiKey要把第二步获得的APP_ID、API_KEY、SECRET_KEY给填进去； 下面是我在集成百度语音时遇到的几个问题及处理办法： 1、语音合成运行报错，日志提示： 06-21 16:31:37.118: W/System.err(4595): Caused by: java.util.concurrent.ExecutionException: java.lang.Exception: #5, Other client side errors. request token failed, error: unknown, desc: unknown client id, used AK=this/this 原因：setAppId和setApiKey方法没有设置appkey。 2、语音合成运行报错，日志提示： 06-21 16:32:57.830: W/System.err(4769): java.lang.Exception: #5, Other client side errors. The AK can only be used for demo. AK=8MAxI5o7VjKSZOKeBzS4XtxO/Ge5GXVdGQpaxOmLzc8fOM8309ATCz9Ha 原因：setAppId和setApiKey方法设置的值不对，可能使用了demo的appkey，而不是自己申请的appkey。 3、语音合成运行报错，日志提示： 06-22 11:32:00.998: W/MainActivity(31928): onError error=(-15)(-15)online synthesize get was timeout[(cause)java.util.concurrent.TimeoutException]--utteranceId=0 原因：网络连不上，请检查网络连接。如果使用模拟器测试，最好重启模拟器再试试 4、调用loadEnglishModel方法加载英语模块时，返回值是-11加载失败（正常要返回5）。 原因：加载离线英文资源需要在初始化时采用混合模式TtsMode.MIX，不可采用在线模式TtsMode.ONLINE。
百度语音识别用的是SpeechRecognizer类，主要方法如下： createSpeechRecognizer : 创建语音识别对象。 setRecognitionListener : 设置识别监听器。该监听器需重写的方法包括： --onReadyForSpeech : 准备就绪，可以开始说话 --onBeginningOfSpeech : 检测到用户已经开始说话 --onRmsChanged : 一般不用处理。 --onBufferReceived : 一般不用处理。 --onEndOfSpeech : 检测到用户已经停止说话 --onError : 识别出错。 --onResults : 识别完成，返回结果串。 --onPartialResults : 返回部分的识别结果。 --onEvent : 事件处理，一般是业务出错等异常。 startListening : 开始监听语音。 stopListening : 结束监听语音。 cancel : 取消监听。 destroy : 回收语音识别对象。 注意第一次识别时要跳到com.baidu.action.RECOGNIZE_SPEECH，后面才能调用startListening方法。识别时的参数设置是在activity跳转时传入的，常用参数包括： --Constant.EXTRA_LANGUAGE : 说话的语言。cmn-Hans-CN表示普通话，sichuan-Hans-CN表示四川话，yue-Hans-CN表示粤语，en-GB表示英语。 --Constant.EXTRA_NLU : 是否开启语义解析。 --Constant.EXTRA_VAD : 语音边界检测。search表示适用输入搜索关键字(默认值)，input表示适用于输入短信、微博等长句输入。 --Constant.EXTRA_PROP : 语音的行业领域。 下面是百度语音识别的运行截图：
下面是百度语音识别的代码例子：
百度语音合成用的是SpeechSynthesizer类，主要方法如下： getInstance : 获得语音合成的实例。 setContext : 设置语音合成的上下文。 setSpeechSynthesizerListener : 语音合成的监听器。该监听器需重写的方法包括： --onSynthesizeStart : 合成开始。 --onSynthesizeDataArrived : 一般不使用。 --onSynthesizeFinish : 合成结束。 --onSpeechStart : 朗读开始。 --onSpeechProgressChanged : 朗读进度变化。 --onSpeechFinish : 朗读结束。 --onError : 处理出错。 setAppId : 设置appid。 setApiKey : 设置apikey和secretkey。 auth : 对appid、apikey和secretkey进行鉴权。 initTts : 初始化。TtsMode.ONLINE表示在线合成，TtsMode.MIX表示混合（即在线与离线结合）。 setAudioStreamType : 设置音频流的类型。AudioManager.STREAM_MUSIC表示音乐。 setParam : 设置语音合成的参数。常用参数包括： --SpeechSynthesizer.PARAM_SPEAKER : 设置朗读者。0表示普通女声，1表示普通男声，2表示特别男声，3表示情感男声。 --SpeechSynthesizer.PARAM_VOLUME : 设置音量。取值范围为0-9，默认5。 --SpeechSynthesizer.PARAM_SPEED : 设置语速。取值范围为0-9，默认5。 --SpeechSynthesizer.PARAM_PITCH : 设置音调。取值范围为0-9，默认5。 --SpeechSynthesizer.PARAM_AUDIO_ENCODE : 设置音频的编码类型。一般设置SpeechSynthesizer.AUDIO_ENCODE_AMR。 --SpeechSynthesizer.PARAM_AUDIO_RATE : 设置音频的编码速率。一般设置SpeechSynthesizer.AUDIO_BITRATE_AMR_15K85。 loadEnglishModel : 加载英语模块。 speak : 开始合成并朗读。 pause : 暂停朗读。 resume : 恢复朗读。 stop : 停止朗读。 release : 释放语音合成的实例。 下面是百度语音合成的代码例子：