讯飞、阿里云、腾讯云：Android 语音合成服务对比选择

2024-10-21 12:01:23

在移动端接入语音合成方面，讯飞和腾讯云等都是优秀的选择，但各有其特点和优势。咱们的需求是需要支持普通话/英语/法语三种语言，以下是对各个平台的详细比较：

一、讯飞语音合成介绍

与语音听写相反，语音合成是将一段文字转换为语音，可根据需要合成出不同音色、语速和语调的声音，让机器像人一样开口说话。支持37个语种，11种方言，2种民族语言；支持中英混合自然合成。

      注：

        语言为中英文的发音人可以支持中英文的混合朗读。
        英文发音人只能朗读英文，中文无法朗读。
        汉语发音人只能朗读中文，遇到英文会以单个字母的方式进行朗读。

太奢侈，领导说不是问题。那就作为备选方案。

二、腾讯云语音合成介绍

语音合成是将文本转化成拟人化语音的一种服务。语音合成提供多场景、多语言的音色选择，支持SSML标记语言，自定义音量、语速等参数，让发音更专业、更符合场景需求。语音合成广泛适用于智能客服、有声阅读、新闻播报、人机交互等业务场景，提升人机交互体验，提高语音类应用构建效率。

产品功能

声音效果：腾讯云语音合成目前支持男女共53种声音效果，可以满足小说、客服、导航、通知等多种应用场景。
合成方式：支持长文本语音合成、实时语音合成、基础语音合成三种合成方式。长文本语音合成与基础语音合成为非流式，整个文本合成语音后再下发，长文本语音合成可以一次性合成较长文本，适合阅读播报、新闻媒体等场景。流式语音合成（实时语音合成）为一边合成声音，一边下发声音，适合语音机器人等实时性要求较高的场景。
语种：语音合成支持纯中文、纯英文、中英文混合、粤语内容的合成。
参数配置：语音合成支持音量、语速、采样率的设置。语速从0.6倍到1.5倍可选，适配各种客户场景。采样率可选8K和16K，同时支持App和电话线路。

哎呀，腾讯爸爸这次不给力呀，不敢置信居然没有法语。为此我特意去了做了售前咨询，还是不支持(此消息为2024年10月17日周四 15.24，后面如果有迭代别说我描述的有问题哈)。

硬性需求满足不了只能放弃了，如果满足你们的要求你们可以试试哈。

腾讯云：语音合成常见问题-文档中心-腾讯云

三、百度智能云

基于业内领先的深度学习技术，提供高度拟人、流畅自然的语音合成服务，支持在线、离线多种调用方式，满足泛阅读、订单播报、智能硬件等场景的语音播报需求。

支持中文、英文、中英文混读合成，提供基础音库和精品音库共28种音库供您选择，让您的产品拥有个性化的声音。但就是没有我想要的法语，好忧伤。

四、原生 TextToSpeech API

Android平台提供的TextToSpeech API支持多种语言的语音合成，包括法语，可以用于开发语音合成应用。

TextToSpeech实例只有在完成初始化后才能用于合成文本。要实现TextToSpeech.OnInitListener以在初始化完成时接收通知。使用完TextToSpeech实例后，请调用shutdown()方法来释放TextToSpeech引擎使用的本地资源。针对Android 11的应用程序，如果需要使用文本转语音功能，则应在其清单文件的<queries>元素中声明TextToSpeech.Engine.INTENT_ACTION_TTS_SERVICE。

    <queries>
        <intent>
            <action android:name="android.intent.action.TTS_SERVICE" />
        </intent>
    </queries>

TextToSpeech textToSpeech = new TextToSpeech(this, new TextToSpeech.OnInitListener() {
            @Override
            public void onInit(int status) {
                Log.d(TAG, "初始化:" + status);
                if (status==0){
                    //设置语言
                    int result = textToSpeech.setLanguage(Locale.CHINESE);
                    if (result == TextToSpeech.LANG_MISSING_DATA
                            || result == TextToSpeech.LANG_NOT_SUPPORTED) {
                        Log.d(TAG, "数据丢失或不支持:" + status);
                        return;
                    }
                    // 设置音调,值越大声音越尖（女生），值越小则变成男声,1.0是常规
                    textToSpeech.setPitch(0.2f);
                    // 设定语速,默认1.0正常语速
                    textToSpeech.setSpeechRate(0.5f);
                }
                textToSpeech.speak("设置音调,值越大声音越尖",TextToSpeech.QUEUE_FLUSH,null);
            }
        });

设置语言：textToSpeech.setLanguage(Locale.CHINESE);

4.1 测试设备：红米 K4

设置成Locale.CHINESE(中文)和Locale.ENGLISH(英语)都支持，并且能播放。

设置成Locale.GERMANY(德语)和Locale.FRANCE(法语)都不支持，报错-2：Denotes the language is not supported(表示该语言不受支持)。

4.2 测试设备：Galaxy A8s

第一次测试的时候也是报错：-2，后来在三星文字转语音设置中=>下载及对应的语言和语音即可。

添加完法语后，第二次测试成功播放法语文字。

原生 TextToSpeech API 这个方案是可行的，但是法语局限性太强，可能存在部分限制(系统语音引擎必须支持这个语言，用户必须下载到语言支持库，红米不支持下载语言库，三星支持)，在编写代码的时候需要考虑很多。

五、阿里云语音合成介绍

前两篇语音识别和语音合成忘了我阿里爸爸了，公司产品多偏向腾讯云和讯飞，一时没想起来，罪过罪过。

阿里云智能语音交互SDK提供RESTful API、移动端、服务端、微信小程序以及WebSocket等多种接入方式，可帮助您更方便、快捷、灵活地将语音识别或语音合成功能集成到您的服务当中。

抱着一丝希望，咱点击语音合成=>检索法语=>美滋滋。

计费说明

瞬间美了，感觉问题解决了。前期量比较小，如果直接投入2个W，那简直跟割肉一样。看到这个价格瞬间就稳了，关键时候还得看大阿里。

阿里云语音合成接口说明_智能语音交互(ISI)-阿里云帮助中心

五、建议选择

如果仅支持普通话/英语，那讯飞、腾讯云、阿里云都可以。可以根据自己的项目决定。作者这里法语事刚需，前期投入小，因此选择较为合适的阿里云。后期确定选择阿里云，那么大概率会将腾讯云实时语音识别改为阿里云实时语音识别：一方面是便于维护，另一方面则是缩小软件包体大小。

相关推荐

讯飞与腾讯云：Android 实时语音识别服务对比选择-****博客文章浏览阅读1.6k次，点赞70次，收藏68次。讯飞与腾讯云在Android语音识别领域均表现出色，各具特色。讯飞提供全面的语音识别功能，支持多种语言和离线识别，拥有高知名度和市场占有率，适合高度定制化需求。腾讯云则基于深度学习技术，提供高准确性的语音识别，支持多种语种和方言，且作为领先的云服务提供商，拥有丰富的语音识别和语音合成产品，适合快速接入并希望利用其他云服务的开发者。两者均提供详细的开发文档和API接口，但开发者在选择时应根据自身需求、成本因素和用户评价进行综合考虑，以确保选择最具性价比的方案。https://shuaici.blog.****.net/article/details/142970169讯飞与腾讯云：Android 语音识别服务对比选择-****博客文章浏览阅读2k次，点赞88次，收藏85次。讯飞与腾讯云在Android语音识别领域均表现出色，各具特色。讯飞提供全面的语音识别功能，支持多种语言和离线识别，拥有高知名度和市场占有率，适合高度定制化需求。腾讯云则基于深度学习技术，提供高准确性的语音识别，支持多种语种和方言，且作为领先的云服务提供商，拥有丰富的语音识别和语音合成产品，适合快速接入并希望利用其他云服务的开发者。两者均提供详细的开发文档和API接口，但开发者在选择时应根据自身需求、成本因素和用户评价进行综合考虑，以确保选择最具性价比的方案。https://shuaici.blog.****.net/article/details/142849015

码农公寓