如何在Java桌面应用中完成Google文本转语音的身份认证？

问题1：Google Cloud端需做哪些配置？需要API Key还是服务账号？ #

• 首先必须启用Text-to-Speech API：在Google Cloud控制台的API库中找到Text-to-Speech API，点击启用。
• 认证优先用服务账号（Service Account），这是非Web/服务器端应用的标准认证方案；API Key更适合简单前端请求，不推荐用于后端Java应用——它易泄露且权限控制能力弱。
• 给服务账号分配权限：至少需要roles/cloudtexttospeech.speechSynthesizer角色，确保它能调用语音合成接口。

问题2：如何生成服务账号JSON凭证文件？ #

不用依赖gcloud工具，直接在控制台操作即可：

1. 进入Google Cloud控制台的「IAM与管理」->「服务账号」页面
2. 找到你创建的服务账号，点击账号名称进入详情页
3. 切换到「密钥」标签页
4. 点击「添加密钥」->「创建新密钥」
5. 密钥类型选「JSON」，点击「创建」，浏览器会自动下载JSON文件，将其放到Java项目可访问的路径（比如项目根目录）

如果一定要用Windows的gcloud命令行（需先安装gcloud SDK），执行：

gcloud iam service-accounts keys create tts.json --iam-account 你的服务账号邮箱@项目ID.iam.gserviceaccount.com

问题3：已有API Key和项目ID，能否不用JSON文件直接认证？ #

官方Java客户端库不支持直接用API Key初始化TextToSpeechClient，因为SDK是基于OAuth2服务账号凭证设计的。如果想绕开JSON文件，有两种替代方案：

1. 用环境变量传递凭证：设置GOOGLE_APPLICATION_CREDENTIALS环境变量为JSON文件的绝对路径，代码里直接调用TextToSpeechClient.create()即可——SDK会自动读取环境变量加载凭证。
2. 若非要用API Key，只能放弃官方SDK，直接调用Text-to-Speech的REST API，在请求URL中带上key=你的API Key参数，但这种方式需要自己处理HTTP请求、数据序列化/反序列化，不如SDK便捷。

格式化后的可运行代码 #

import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.OutputStream;

import com.google.api.gax.core.CredentialsProvider;
import com.google.api.gax.core.FixedCredentialsProvider;
import com.google.auth.oauth2.ServiceAccountCredentials;
import com.google.cloud.texttospeech.v1.AudioConfig;
import com.google.cloud.texttospeech.v1.AudioEncoding;
import com.google.cloud.texttospeech.v1.SsmlVoiceGender;
import com.google.cloud.texttospeech.v1.SynthesisInput;
import com.google.cloud.texttospeech.v1.SynthesizeSpeechResponse;
import com.google.cloud.texttospeech.v1.TextToSpeechClient;
import com.google.cloud.texttospeech.v1.TextToSpeechSettings;
import com.google.cloud.texttospeech.v1.VoiceSelectionParams;
import com.google.protobuf.ByteString;

public class GoogleTextToSpeech {

    protected TextToSpeechClient textToSpeechClient;
    VoiceSelectionParams voice;
    AudioConfig audioConfig;

    public GoogleTextToSpeech() {
        String jsonPath = "tts.json";
        try {
            CredentialsProvider credentialsProvider = FixedCredentialsProvider.create(
                ServiceAccountCredentials.fromStream(new FileInputStream(jsonPath))
            );
            TextToSpeechSettings settings = TextToSpeechSettings.newBuilder()
                .setCredentialsProvider(credentialsProvider)
                .build();
            textToSpeechClient = TextToSpeechClient.create(settings);

            voice = VoiceSelectionParams.newBuilder()
                .setLanguageCode("en-US")
                .setSsmlGender(SsmlVoiceGender.FEMALE)
                .build();
            
            audioConfig = AudioConfig.newBuilder()
                .setAudioEncoding(AudioEncoding.LINEAR16)
                .build();
        } catch (IOException e1) {
            System.err.println(e1.getMessage());
            e1.printStackTrace();
        }
    }

    public void speak(String message) {
        SynthesisInput input = SynthesisInput.newBuilder().setText(message).build();
        SynthesizeSpeechResponse response = textToSpeechClient.synthesizeSpeech(input, voice, audioConfig);
        ByteString audioContents = response.getAudioContent();

        try (OutputStream out = new FileOutputStream("output.wav")) {
            out.write(audioContents.toByteArray());
            System.out.println("Audio content written to file \"output.wav\"");
        } catch (IOException e) {
            e.printStackTrace();
        } 
    }
}

内容的提问来源于stack exchange，提问作者Alex