写在前面

今日应内部团队需求，要实时朗读语音。在这个场景驱动，快速过了一遍官方文档。通过此笔记，摘录自己的思考和理解的内容，方便日后快速回忆。
所以说这是一个偏个人的笔记，对于需要全面了解TTS的看官，可能要失望了。

「android.speech」和「android.speech.tts」

「android.speech」包不在我这次要了解的范围内，后续会补上相关笔记。

「android.speech.tts」包的tts是「Text To Speech」缩写，文字转语音。

为了开发者便于使用，在AOSP中，关于「兼容性定义文档」的说明，要求每个Android OS版本发行都要兼容的功能实现，其中「TTS」就是以一个Framework的形式存在，开发者通过已有的API，与这个Framework服务进行交互动作。

以一个简单的使用常见为例：播放一句话，简单列出涉及到的相关API。

创建TextToSpeech实例mTts，API会调用唤起Framework并进行一系列初始化，未初始化完成是用不了的，所以要OnInitListener监听回调。
回调的结果要么是 TextToSpeech.Engine.SUCCESS要么是TextToSpeech.Engine.ERROR。
成功后，可以对mTts进行配置。
设置当前要识别合成的语言，使用voice，language是已经deprecated。
设置语速speechRate, 正常速度为1.0f，2.0f是2倍速，0.5是慢1倍速。
设置音调pitch，正常调为1.0f，跟语速的值规则类似
添加每次speak方法的识别回调UtteranceProgressListener接口的实现
调用speak()方法
- text要朗读的文本内容
- queueMode队列模式有TextToSpeech.QUEUE_ADD和
- bundle，设置三个值：
  -使用哪种系统的媒体音类型的音量，取值为AudioManager类STREAM_前缀的常量及
  -本次播放使用的音量大小，取值0-1，即0%-100%
  -KEY_PARAM_PAN，不是很理解是英文说的是什么，取值
- utteranceId暂未遇到使用场景；
  TextToSpeech.QUEUE_FLUSH，这个场景应该比较常见：自动顺序朗读段落，用户突然点击重放，由头重新朗读，则使用QUEUE_FLUSH值。

上述是一次理想的流程，在实际场景中，可能会遇到各种情况，例如文字识别失败、网络识别的网络失败、framework服务内部失败、音频流输出失败等情况，API都有相关的常量值可供识别使用。

另外TextToSpeech.Engine类，不是一个真正的“引擎”，它只定义了与Framework交互使用到常量：Activity Action、Broadcast Action、Intent、Bundle Key值等，所以这个命名一度令我不知所措。
Framework本身还支持开发者通过ACTION，调用：检查是否可用的语言包、是否有Framework存在、检查目标语言的语言包是否已安装、发起安装语言包指令。

后记

通过简单的封装，配合WebView的Js Interface，让H5前端项目的同事能调用Android的TTS进行朗读。然而事情没有那么简单，因为使用的设备是小米电视4，根本就没有TTS Framework，只能使用第三方语音识别SDK解决，例如科大讯飞的。
Anyway，借机了解这块API，也是有所收获。