17370845950

HTML5 的 speechSynthesis 可用，但需用户手势触发、监听 voiceschanged 事件获取语音、检查 zh-CN 支持并设置语速等参数；HTML4 不支持该 API，无原生语音合成能力。

HTML5 的 speechSynthesis 怎么用？

能用，但得注意浏览器支持和触发时机。现代 Chrome、Edge、Safari（部分版本）、Firefox 都支持 speechSynthesis，但必须在用户手势（如点击）后调用 synth.speak()，否则会被静音或拒绝。

• 先用 window.speechSynthesis 获取实例，它不是构造函数，不能 new
• 用 getVoices() 获取可用语音列表，但首次调用常返回空数组——需监听 voiceschanged 事件再取
• SpeechSynthesisVoice 对象的 lang 属性决定发音语言，中文常用 "zh-CN"，但并非所有系统都自带该语音，得实际检查
• 合成前建议设置 rate（语速，默认 1）、pitch（音调）、volume（音量），避免默认值太生硬

const synth = window.speechSynthesis;
synth.onvoiceschanged = () => {
  const voices = synth.getVoices();
  const cnVoice = voices.find(v => v.lang === 'zh-CN') || voices[0];
  const utterance = new SpeechSynthesisUtterance('你好，这是 HTML5 语音播报');
  utterance.voice = cnVoice;
  utterance.rate = 0.9;
  synth.speak(utterance);
};

// 必须由用户点击触发
document.getElementById('speak-btn').addEventListener('click', () => {
  if (synth.pending || synth.speaking) synth.cancel();
  synth.speak(utterance);
});

HTML4 能直接语音播报吗？

不能。speechSynthesis 是 HTML5 新增的 Web API，HTML4 标准里根本不存在这个接口，也没有任何原生机制支持语音合成。

• 所谓“HTML4 支持语音”通常是混淆了：用 Flash 插件、Java Applet 或 ActiveX 控件调用系统 TTS，但这些技术早已被主流浏览器废弃或禁用
• 部分旧企业系统曾依赖 IE + SAPI（Windows Speech API）+ VBScript，但这属于 Windows 特定环境，且 IE 已停更，ActiveXObject("Sapi.SpVoice") 在现代浏览器中完全不可用
• 如果必须在极老环境运行，唯一可行路径是后端生成音频文件（如 MP3），前端用 或 播放——但这不是“语音合成”，只是播放录音

常见报错和兼容性坑

遇到无声、报错或语音不切换，大概率掉进了这几个坑：

• speechSynthesis is not defined：IE 或 Safari 旧版不支持，需加 if ('speechSynthesis' in window) 判断
• 调用 getVoices() 返回空数组又没监听 voiceschanged：Safari 和某些 Android WebView 下必须等事件触发后才能取到语音列表
• 中文播报成英文发音：选中的 voice.lang 不是 "zh-CN"，或系统没安装中文语音包（macOS 默认无中文 TTS，需在「系统设置 → 辅助功能 → 语音」中启用并下载）
• Chrome 95+ 对自动播放策略更严：即使页面已获焦点，未交互前调用 speak() 也会被忽略，且不会抛异常，只会静默失败

替代方案：不想写 JS 也能语音播报？

没有真正免 JS 的 HTML 原生方案。但可以绕过复杂控制，用最简方式降低出错概率：

• 用 标签配合服务端 TTS 接口（如 Azure Cognitive Services、阿里云语音合成），把文字转成 MP3 后播放——兼容性最好，但有网络延迟和费用
• 若只针对 Chrome 扩展或 Electron 应用，可用 chrome.tts API，比 web speech 更稳定，权限明确
• 不要尝试用 data:text/html 或 iframe 加载旧 HTML4 页面来“激活”语音——Web Speech API 的上下文是全局的，跟文档 doctype 无关

语音合成不是开关一按就响的事，核心在于语音资源是否就位、触发时机是否合法、目标环境是否真支持。很多“能用”的 demo 在真实设备上跑不通，就是因为漏掉了 voiceschanged 事件或没处理移动端语音缺失问题。