随着技术的迭代，目前来说TTS和STT 已经非常完善了，无论是国内的在线版本，还是github 上的那些离线版本，对于应用层来说，TTS服务蛮常见的，比如说 现在的听书软件，核心就是TTS服务，将文本转换为语音，中文存在多音字，所以语义分析就很重要了，像微信读书这种，感觉就不是太强，偶尔有，偶尔没有。

在华为的无障碍服务中就提到了，提供音频提示，在大的方向上就两种，一种是本地离线文件，一种就是TTS服务了，离线文件就是直接播文件，这个没有啥技术难点，TTS则是我们需要考虑的问题，一种是通过action查询本机已有的TTS服务，一种就是自己搞一个在线或离线的TTS服务，然后自己用，因为我们业务特性，所以搞了一个离线版本。

TTS

tts 其实是文字转语音服务，Android 其实是内置了APi的，可以自己基于action 自己实现，也可以通过action查找其他应用的服务，国内很多东西都被干没了，所以这个可能也在其中，解决方案就几种：

  • 搞一个支持TTS的app，安装到手机，然后调用这个app的TTS。
  • 搞国内的付费服务，比如说讯飞。
  • 自己搞服务器，然后让后端生成，然后做缓存文件。
  • 在github 上找一个离线版本的中文tts,缺点就是吃内存。

结合业务诉求，我们选择了离线版本，用的是
github.com/benjaminwan… 反正就改吧改吧就用了，对外就说遥遥领先。
tts 服务的action是：

android.intent.action.TTS_SERVICE

我们通过PMS 直接获取可用的即可，剩下的就是通过包名调用对应的TTS服务即可，然后回收内存。

至于为什么要先说TTS，这和标题不符合，这主要是之前和一个大佬沟通有关，大佬说了很多，我记下来的不多大概就这么点：

最简单的中文TTS就是搞一大堆字母的pcm到本地，然后把中文转拼音，通过拼音去查询对应的pcm,然后读出来。那么音色啥的，都可以通过pcm 文件去控制，优点是你能理解，缺点就是用户体验不好。

stt

STT 是语音转文字，这个第三方的也有，离线的也有，但是直接使用的场景不多的：

  • 翻译软件
  • 语音助手
  • 唤醒词

这个功能都是差不多的感觉，主要是基于不同的业务进行拆分。而STT则只是在这业务场景中的第一环，直接使用STT是比较难进行业务闭环的。stt 的离线服务比如就有vosk，这个Android 离线代码拖过来就直接用了。

唤醒词

这个经过大佬指点，说有两个版本，一个版本是硬件版本，一个是基于STT结合分词器版本，唤醒词常见的就是语音助手，要喊个特定的词语就直接唤醒，一种是麦克风里面有一个固定的硬件(芯片，说的是最早是在遥控器上)，硬件我完全不懂，我们直接还是基于STT，国内讯飞的就有离线版本，当然还是付费。

为什么说，stt不容易形成业务闭环，因为只有文本，代码很难去理解到用户想要干什么，那么基于分词器的概念就很重要了，这不仅仅是技术上的分词概念，而是基于业务的分词概念，我们从用户的语言中提取关键信息，然后去执行对应的操作，比如说，‘回到首页’这句话中文可以好几种表达方式去表达相同的意思，但是首页是目的地是不变的，结合用户表达习惯，部分地区会习惯性的加上一些前缀或后缀，这才是分词器的关键。

通过分词器的逻辑，我们通过定义业务中的关键操作（好像叫槽位），提取正确的结果，所以槽位的中的内容直接影响到了识别率。