鸿蒙朗读助手:用 CoreSpeechKit 一步打通 TTS + ASR 双向语音

举报
ioiy 发表于 2026/11/16 21:35:28 2026/11/16
【摘要】 一个纯端侧的鸿蒙语音应用——输入文字,小艺AI 帮你朗读出来;点一下麦克风,说话就能转成文字。还内置 5 篇儿童故事一键播放。全程调用系统内置 CoreSpeechKit,不需要额外 SDK,0.5–1 小时就能从零跑通。它能做什么功能说明文字转语音(TTS)输入任意文字,小艺AI 逐句朗读,支持调节语速(0.5x~2.0x)和音调语音转文字(ASR)点击语音输入,授权麦克风后实时说话,识别...

一个纯端侧的鸿蒙语音应用——输入文字,小艺AI 帮你朗读出来;点一下麦克风,说话就能转成文字。还内置 5 篇儿童故事一键播放。全程调用系统内置 CoreSpeechKit,不需要额外 SDK,0.5–1 小时就能从零跑通。

它能做什么


功能 说明
文字转语音(TTS) 输入任意文字,小艺AI 逐句朗读,支持调节语速(0.5x~2.0x)和音调
语音转文字(ASR) 点击语音输入,授权麦克风后实时说话,识别结果自动填入文本框
故事一键播放 内置"小蝌蚪找妈妈"等 5 篇儿童故事,点卡片即填入文本框并朗读
多音色切换 查询设备可用音色列表,真机上可切换不同音色

技术方案

整个应用分三层:

ArkUI 页面(Index.ets)
  ├── TTS 引擎封装(TextToSpeechEngine.ets)→ @kit.CoreSpeechKit
  └── ASR 引擎封装(SpeechRecognizerEngine.ets)
        ├── @kit.AudioKit → AudioCapturer 录音
        └── @kit.CoreSpeechKit → speechRecognizer 识别
  • 语音合成:textToSpeech.createEngine() 创建引擎 → engine.speak() 朗读 → engine.setListener() 监听回调
  • 语音识别:AudioCapturer 采集 PCM 16kHz 音频 → 按 1280 字节分块 → engine.writeAudio() 喂给 ASR 引擎 → 回调返回文字
  • 权限:通过 @kit.AbilityKit 运行时动态申请麦克风权限

三个踩过的坑

  1. TTS 的 locate 只接受 'CN'——传其他值会报错,写死即可。
  2. ASR 的 writeAudio 必须按 1280 字节分块——整块喂进去识别不了,需要切分后逐块写入。
  3. 麦克风权限要运行时动态申请——不能只在 module.json5 里声明,还要在代码里调 abilityAccessCtrl 弹窗请求。

快速运行

git clone https://gitcode.com/harmony-practice-center/HarmonyOS-APP-voice-assistant.git
cd HarmonyOS-APP-voice-assistant/harmony_app

用 DevEco Studio 打开 harmony_app 目录,点 Run 即可。首次运行会自动生成调试签名。

模拟器上在线 TTS/ASR 能力可能受限(code=202),多音色切换和在线识别建议在真机上测试。

适合谁

有 ArkTS / ArkUI 基础、想练习端侧 AI 语音能力的开发者。难度入门,预计半小时到一小时。

扩展方向

  • 接入小艺Agent(LLM),实现"听 → 理解 → 回答 → 朗读"的完整对话闭环
  • 增加朗读历史记录与本地持久化
  • 接入在线 TTS 获取更多音色,真机下载离线音色包

开源仓库:harmony-practice-center/HarmonyOS-APP-voice-assistant(MIT 协议)
验证环境:DevEco Studio · compatibleSdk 6.1.1(24) · 2026-09-02

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0)

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。