使用 Google 翻译进行文本转语音

学习日语计数可能有点不直观，尤其是在处理较大的数字（超过 10,000）时，所以我认为如果我能做一个小型的 Web 应用程序，让用户输入一个数字，并使用文本转语音技术将其读出来，向学生展示如何发音，那将会很酷。

事实证明，在文本转语音方面，实际上有几种选择。

1. (未文档化) Google 翻译 API

这似乎是一个未文档化的瑰宝，在一些博客中有所提及，例如 这里 和 这里。它是免费的、匿名的，并且设置起来非常容易。

var source = `https://translate.google.com/translate_tts?tl=ja-JP&q=
              ${encodeURIComponent('konnichiwa')}&client=tw-ob`;
var audio = new Audio(source);
audio.play(); 

可以通过 JavaScript 或 HTML5 audio 标签访问此未文档化的 API 端点。不过，要使其正常工作，需要满足几个要求

1. 您需要在文档主体中包含一个 <meta name="referrer" content="no-referrer">，或者在 Audio 标签中包含一个 rel="noreferrer"。
2. 您需要在请求中指定一个 client。Stack Overflow 和一些其他博客中经常提到 tw-ob 这个值，但看起来任何值都可以。
3. 您可以使用 tl 参数指定要使用的语言。这需要是一个受支持的语言代码，您可以在 Google Cloud 文档中找到。

…这把我们引向了我们的第二个选择。

2. Google Cloud API

事实证明，Google 确实有一个官方的文本转语音 API，它比未文档化的 API 更全面。该服务对于标准质量的声音，每月前 400 万字符是 免费的，之后按每月 4 美元收费。听起来很多，但如果有一个麻烦的用户试图使用您的服务处理博士论文，这可能会迅速变得非常昂贵。

此服务的客户端库似乎不包含浏览器选项，但您当然可以直接使用 REST API，网址为 https://cloud.google.com/text-to-speech/docs/reference/rest/v1/text/synthesize。

3. ResponsiveVoice

市面上有很多第三方 TTS 工具，但我发现的一个有趣的选项是 ResponsiveVoice。他们提供了一个超级简单的 JavaScript 库，似乎是专门为浏览器设计的，并且他们为非商业用途提供免费许可。对于业余爱好/非营利组织/教育目的，这似乎是一个不错的选择。

我选择了哪个选项？

由于我对这项服务的使用主要是为了娱乐，尽管希望能够帮助我们的学生，我选择了最简单的解决方案，即未文档化的 Google 翻译实现。由于这是一个未文档化的功能，因此存在服务可能在未来停止的风险。如果发生这种情况，我可能会转向 ResponsiveVoice - 但实际上，我非常想尝试他们的服务，也许如果我符合非商业免费许可的资格，可以将解决方案迁移到它。如果发生这种情况，我会在另一篇文章中写下我的经验！

好了，今天就到这里。回头见！