如何控制Android TextToSpeech语速实现指定时长内完成语音播报

实现逻辑很简单：先拿到目标文本在默认语速（系数1.0）下的播报时长，再用该时长除以你期望的目标时长，就能得到需要设置的语速系数。

核心实现步骤 #

1. 获取默认语速下的文本播报时长 #

从Android API Level 21开始，TextToSpeech提供了synthesizeToFile方法，可以先把目标文本合成临时音频文件，再读取音频时长即可得到默认语速下的播报时长，代码示例如下：

// 需在TTS初始化成功后调用该方法
private long getDefaultSpeechDuration(String text) throws IOException {
    // 生成临时音频文件
    File tempAudio = File.createTempFile("tts_temp", ".wav", getCacheDir());
    int synthesizeResult = tts.synthesizeToFile(text, null, tempAudio, "tts_temp_tag");
    if (synthesizeResult != TextToSpeech.SUCCESS) {
        throw new RuntimeException("TTS临时合成失败");
    }
    // 实际项目建议使用UtteranceProgressListener监听合成完成，此处为简化示例
    try {
        Thread.sleep(800);
    } catch (InterruptedException e) {
        e.printStackTrace();
    }
    // 读取临时音频时长
    MediaPlayer mediaPlayer = new MediaPlayer();
    mediaPlayer.setDataSource(tempAudio.getAbsolutePath());
    mediaPlayer.prepare();
    long durationMs = mediaPlayer.getDuration();
    mediaPlayer.release();
    // 用完删除临时文件避免占用存储
    tempAudio.delete();
    return durationMs;
}

2. 计算对应语速系数 #

// expectSecond 为你期望的播报时长，单位秒
public float getTargetSpeechRate(String text, int expectSecond) throws IOException {
    long defaultDurationMs = getDefaultSpeechDuration(text);
    long targetDurationMs = expectSecond * 1000L;
    // 语速系数 = 原时长/目标时长，和系统setSpeechRate规则完全匹配
    float rate = (float) defaultDurationMs / targetDurationMs;
    // 额外加范围限制，避免系数超出绝大多数TTS引擎支持的0.5-2.0区间
    return Math.max(0.5f, Math.min(rate, 2.0f));
}

3. 调用示例 #

String speakText = "需要播报的目标文本内容";
int targetTime = 10; // 期望10秒播报完成
try {
    float finalRate = getTargetSpeechRate(speakText, targetTime);
    tts.setSpeechRate(finalRate);
    tts.speak(speakText, TextToSpeech.QUEUE_ADD, null);
} catch (IOException e) {
    e.printStackTrace();
    // 异常兜底，直接用默认语速播报
    tts.setSpeechRate(1.0f);
    tts.speak(speakText, TextToSpeech.QUEUE_ADD, null);
}

注意事项 #

• 若需兼容API 21以下版本，可首次播报对应文本时记录时长存入本地缓存，后续相同文本直接复用缓存值计算即可，无需重复合成。
• 切换TTS引擎、切换播报语言后，默认语速会发生变化，需要重新计算对应文本的默认播报时长，不可复用旧缓存。
• 部分定制ROM的TTS引擎对语速系数的支持范围不同，超出范围的系数会被自动截断，可根据实际使用场景调整范围限制值。

内容的提问来源于stack exchange，提问作者Zain Ul Abidin