如何在Amazon Polly中获取当前朗读的词？是否有类似AVSpeechSynthesizerDelegate的方法？

Amazon Polly没有直接对应AVSpeechSynthesizerDelegate.speechSynthesizer(_:willSpeakRangeOfSpeechString:utterance:)的原生委托方法，但可以通过**语音标记（Speech Marks）**功能实现相同的高亮效果，具体步骤如下：

• 调用Polly合成语音时，在请求中指定SpeechMarkTypes参数为["word"]，这样Polly会返回包含每个朗读词汇的时间戳和原文本偏移量的标记数据。
• 获取到合成的音频文件和对应的Speech Marks后，播放音频时监听播放进度，将当前播放时间与Speech Marks中的词开始/结束时间做匹配，定位到当前正在朗读的词汇。
• 根据Speech Marks里的文本偏移量（start和end字段），在原文本中找到对应范围，执行屏幕高亮操作。

如果使用Polly的实时流式合成（如WebSocket流式接口），可以在流式响应中实时接收Speech Marks数据，无需等待完整音频生成，就能同步实现高亮效果。

内容的提问来源于stack exchange，提问作者Bawenang Rukmoko Pardian Putra