如何预测speechSynthesis.speak()的语音播放时长？

Web Speech API本身没有提供直接预测朗读时长的原生接口，但可以通过以下两种间接方法实现需求：

方法1：基于语速的估算（提前预测） #

不同语言的语音合成有大致的基准语速（比如英式英文的平均语速约为160词/分钟），结合你设置的rate参数，可以估算出大致时长：

• 先统计文本的单词数（英文可按空格分割，需简单处理标点干扰）
• 用基准语速换算出每秒单词数，再结合rate值调整，最终时长 = 单词数 ÷ (基准语速/60) ÷ rate

示例代码：

// 简单统计英文单词数（可根据实际文本复杂度优化）
function countWords(text) {
  return text.trim().split(/\s+/).filter(word => word.length > 0).length;
}

// 估算朗读时长
function estimateDuration(text, rate, baseWPM = 160) {
  const wordCount = countWords(text);
  return (wordCount / baseWPM) * 60 / rate;
}

// 使用示例
const txt = "This is a sample text for speech synthesis";
const estimatedTime = estimateDuration(txt, 1.1);
console.log(`估算时长：${estimatedTime.toFixed(2)}秒`);

方法2：监听合成事件获取准确时长（实时计算） #

如果可以接受在朗读开始后获取准确时长，可通过监听合成的start和end事件，计算时间差得到实际时长：

示例代码：

let msg = new SpeechSynthesisUtterance();
msg.lang = "en-GB";
msg.rate = 1.1;
msg.pitch = 1.1;
msg.text = txt;

let startTime;
msg.addEventListener('start', () => {
  startTime = Date.now();
});

msg.addEventListener('end', () => {
  const actualDuration = (Date.now() - startTime) / 1000;
  console.log(`实际朗读时长：${actualDuration.toFixed(2)}秒`);
});

window.speechSynthesis.speak(msg);

注意点 #

• 方法1是估算值，精度取决于基准语速的选择，不同发音人的语速可能存在差异
• 方法2能得到完全准确的时长，但只能在朗读结束后获取，无法提前预测

内容的提问来源于stack exchange，提问作者Diego