如何使用JavaScript调整Microsoft文本转语音的音高与语速

你要的音高、语速调整能力，本质是通过SSML（语音合成标记语言）的<prosody>标签实现的，官方演示页用的也是这套方案，相关参数没有单独列在普通语音合成接口的参数文档里，所以你找不到相关说明。

1. 前置依赖安装 #

如果是Node.js环境，直接安装语音SDK包：

npm install microsoft-cognitiveservices-speech-sdk

如果是浏览器端使用，直接引入对应UMD格式的SDK资源即可。

2. 核心参数说明 #

所有音频表现参数都通过SSML的<prosody>标签控制，和调整相关的两个核心属性：

• pitch：控制音高，可选值支持预设等级（x-low/low/medium/high/x-high），也支持百分比调整（范围为-50%到+50%，数值越高音调越高）
• rate：控制播放语速，可选值支持预设等级（x-slow/slow/medium/fast/x-fast），也支持百分比调整（范围为0.5到2，对应0.5倍速到2倍速，也可以用50%到200%的写法）

3. 完整实现代码示例 #

// 引入SDK
const sdk = require("microsoft-cognitiveservices-speech-sdk");

// 替换为你自己的Azure语音服务密钥和区域
const speechConfig = sdk.SpeechConfig.fromSubscription("你的语音服务密钥", "你的服务区域，例如eastus");
speechConfig.speechSynthesisVoiceName = "zh-CN-XiaoxiaoNeural"; // 可以替换为你需要的发音人

function synthesizeSpeechWithAdjustment(text, pitch = "+0%", rate = "1.0") {
    // 构造SSML内容
    const ssml = `
    <speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="zh-CN">
        <voice name="${speechConfig.speechSynthesisVoiceName}">
            <prosody pitch="${pitch}" rate="${rate}">
                ${text}
            </prosody>
        </voice>
    </speak>
    `;

    const synthesizer = new sdk.SpeechSynthesizer(speechConfig, null);
    synthesizer.speakSsmlAsync(
        ssml,
        result => {
            if (result.reason === sdk.ResultReason.SynthesizingAudioCompleted) {
                // 音频合成完成，这里可以直接播放或者保存音频流
                const audioContext = new AudioContext();
                audioContext.decodeAudioData(result.audioData, buffer => {
                    const source = audioContext.createBufferSource();
                    source.buffer = buffer;
                    source.connect(audioContext.destination);
                    source.start(0);
                });
            }
            synthesizer.close();
        },
        error => {
            console.log(error);
            synthesizer.close();
        }
    );
}

// 调用示例：合成你好，音高升高20%，语速1.2倍
synthesizeSpeechWithAdjustment("你好", "+20%", "1.2");

4. 实时调整效果实现 #

如果需要实现和官方演示页一样的滑动滑块实时调整效果，只需要绑定滑块的change事件，动态获取当前音高、语速的数值，重新调用上述合成方法即可，最终效果和官方演示完全一致。

内容的提问来源于stack exchange，提问作者MAZ