GenAI Text-to-Speech API

使用 ML Kit 的 GenAI Text to Speech API，您可以將文字內容合成為語音音訊。Text to Speech API 採用生成式 AI 模型，可提供高品質的語音合成。

建議您盡可能使用 ML Kit Text to Speech API，因為這項 API 提供的語音非常擬真。如果無法使用，則可改用 Android 平台 TextToSpeech API。

主要功能

  • 在單一 SDK 中提供統一的下載和推論選項。
  • Kotlin 優先 API，使用協同程式和 Flow 串流播放狀態和音訊。

必要條件

如要使用 Text to Speech API，您必須符合下列規定：

  • 你擁有下列其中一款支援的裝置：
    • Google：Pixel 8、Pixel 9、Pixel 10、Pixel 11
    • Samsung：Galaxy S25、Galaxy S26、Galaxy Z Fold8、Galaxy Z Fold8 Ultra、Galaxy Z Flip8
  • 你已從 Google Play 下載最新版本語音辨識及合成應用程式 (com.google.android.tts)。如果缺少應用程式或應用程式過時，在實作文字轉語音時，checkStatus() 方法會傳回 FeatureStatus.UNAVAILABLE。
  • 專案使用的 SDK 最低版本 (minSdk) 為 26 以上。

開始使用

首先，請將 ML Kit 文字轉語音依附元件新增至模組層級的 build.gradle.kts (或 build.gradle) 檔案：

Kotlin

dependencies {
    // ML Kit GenAI TTS SDK
    implementation("com.google.mlkit:genai-text-to-speech:1.0.0-alpha1")
}

Groovy

dependencies {
    // ML Kit GenAI TTS SDK
    implementation 'com.google.mlkit:genai-text-to-speech:1.0.0-alpha1'
}

整合 Text-to-Speech API

如要使用 Text-to-Speech API，請按照下列步驟操作：

  1. 初始化用戶端：傳遞 SpeechSynthesizerOptions 設定物件，建立 SpeechSynthesizer 用戶端執行個體。您只需要一個用戶端執行個體，就能支援所有語言。選項物件中指定的語言代碼，只會決定 getSupportedVoices() 方法傳回的預設語言清單。
  2. 下載模型：確認目標語音是否可用。如果狀態為 FeatureStatus.DOWNLOADABLE，請呼叫 download() 方法，將語音模型下載到裝置。
  3. 合成內容：建構 SpeechSynthesizerRequest 物件，其中包含輸入文字和目標語音。呼叫 synthesize() 方法生成音訊，並收集播放狀態更新和音訊區塊。
// Initialize the `SpeechSynthesizer` client.
// One client serves every language. `Locale.US` is only the default list locale.
val options = speechSynthesizerOptions(Locale.US)
val client = SpeechSynthesis.getClient(options)

// Query voices for multiple languages using the same client instance.
val englishVoice = client.getSupportedVoices().first() // Uses the default `Locale.US`
val frenchVoice = client.getSupportedVoices(Locale.FRANCE).first()

// Check and download a voice model (for example, the French voice model).
if (client.checkStatus(frenchVoice) == FeatureStatus.DOWNLOADABLE) {
    client.download(frenchVoice).collect { status -> println("Download status: $status") }
}

// Construct the request.
// The `VoiceInfo` instance, `frenchVoice` here, determines the spoken language.
val request = SpeechSynthesizerRequest(
    input = SpeechSynthesizerRequest.Input.Text("Bonjour tout le monde", frenchVoice),
    audioAttributes = AudioAttributes.Builder()
        .setUsage(AudioAttributes.USAGE_MEDIA)
        .setContentType(AudioAttributes.CONTENT_TYPE_SPEECH)
        .build()
)

// Speak and collect streaming audio or status.
client.synthesize(request).collect { response ->
    when (response) {
        is SpeechSynthesizerResponse.StatusUpdate -> println("Playback status: ${response.status}")
        is SpeechSynthesizerResponse.AudioAvailable -> println("Audio chunk: ${response.audio.size} bytes")
        is SpeechSynthesizerResponse.Error -> println("Error: ${response.errorCode}")
    }
}

// Release resources when done.
client.close()

支援的語音

ML Kit Text to Speech API 支援下列語音。使用 VoiceInfo.name 屬性，依名稱選取語音。

  • star02：女性，中音調
  • star04：男性，中高音
  • star05：男性，低音調
  • star08：女性，低音調
  • star11：男性、中音調、聽起來較年輕
  • star12：女性，中高音
  • star13：男性，中音調
  • star16：女性，中低音

支援的語言

ML Kit Text to Speech API 支援下列語言代碼：

  • 阿拉伯文 (ar-XA)
  • 丹麥文 (da-DK)
  • 德文 (de-DE)
  • 英文 (en-GB)
  • 英文 (en-US)
  • 西班牙文 (es-ES)
  • 西班牙文 (es-US)
  • 法文 (fr-CA)
  • 法文 (fr-FR)
  • 北印度文 (hi-IN)
  • 印尼文 (id-ID)
  • 義大利文 (it-IT)
  • 日文 (ja-JP)
  • 韓文 (ko-KR)
  • 挪威文 (nb-NO)
  • 荷蘭文 (nl-NL)
  • 波蘭文 (pl-PL)
  • 葡萄牙文 (pt-BR)
  • 俄文 (ru-RU)
  • 瑞典文 (sv-SE)
  • 土耳其文 (tr-TR)

常見設定問題

以下列舉幾個常見問題和疑難排解提示：

問題 可能原因 建議修正方式
語音清單 (來自 getSupportedVoices() 方法) 為空白。 裝置不支援，或缺少「語音辨識與合成」應用程式，或應用程式版本過舊。 確認裝置是否支援，並更新「語音辨識及合成」應用程式。
checkStatus() 方法會傳回 FeatureStatus.UNAVAILABLE。 裝置不支援，或缺少「語音辨識與合成」應用程式，或應用程式版本過舊。 確認裝置是否支援，並更新「語音辨識及合成」應用程式。
checkStatus() 方法會傳回 FeatureStatus.DOWNLOADABLE。 語音尚未下載到裝置。 呼叫 download() 方法，並等待方法完成，再呼叫 synthesize() 方法。
下載失敗或沒有進度。 沒有網路連線。 請在裝置連上網路後再試一次。