企业官网建设流程全解析

• 语音
• 后端
• 音频

本文以项目内置帮助文档 app.md 为主线，围绕 tts-server-android 的核心玩法展开：如何通过"系统 TTS"四大界面管理网络语音源、用朗读规则实现旁白/对话多音色朗读、用替换规则纠正发音，以及在系统 TTS 与阅读类 App 之间架设 HTTP 转发器以提升段落间流畅度。读完本文，你将掌握从配置导入导出、文本处理到 HTTP 接口调用的完整实战链路。

tts-server-android 本身不提供任何语音合成服务，官方定位是"网络 TTS 的搬运工"——通过插件驱动调用互联网上的 TTS 接口（如微软 Azure），再以安卓系统 TTS 引擎的身份供其他 App 使用。这种"搬运"思路让它兼具两大能力：对外以TextToSpeechService服务系统，对内以 HTTP 服务（转发器）面向网页与阅读 App。

系统 TTS：四大管理界面总览

系统 TTS 是 App 的核心模块，共包含四个管理界面：主界面（配置列表）、朗读规则、插件、替换规则。这四个界面在右上角的"更多选项"中都有独立的导入、导出功能；此外在设置中还提供全部数据的备份、恢复操作（对应仓库中的 BackupRestoreActivity.kt 与 BackupDialog.kt）。

主界面：配置列表与分组切换

主界面是 TTS 配置的管理列表，用于统一管理各条 TTS 配置。它的核心价值在于分组功能——可将多条配置归入同一分组，实现"一键切换多个配置"，例如按小说场景切换"微软组 / 备用组"。

• 每条配置展示名称、语言、语速、音量、音高、解码参数、来源插件等信息（从 images/1.jpg 截图可见）；
• 可在设置中调换编辑与试听按钮的位置：长按编辑按钮进行试听，反之，长按试听按钮进行编辑，避免误触；
• 系统 TTS 引擎侧的实现位于 SystemTtsService.kt，它继承TextToSpeechService，在onGetVoices()（L248-L276）中把数据库里的每条配置动态注册为一个语音Voice（名称形如配置名_id），在onSynthesizeText()（L314-L397）中再通过 voiceName 反查配置 ID 并交给MixSynthesizer合成，这就是"配置列表"能直接出现在系统朗读引擎语音列表中的原理。

朗读规则：旁白/对话的自动识别

朗读规则用于处理朗读文本：根据用户配置的标签（tag）去匹配不同的 TTS 配置，典型场景就是小说朗读中的"旁白 / 对话"多音色。程序已内置基于中文双引号的旁白对话朗读规则，可直接使用。

内置规则位于 speech_rule.js，其核心是一个 JavaScript 对象：

let SpeechRuleJS = { name: "旁白/对话", id: "ttsrv.multi_voice", author: "TTS Server", version: 4, tags: {narration: "旁白", dialogue: "对话"}, handleText(text) { const list = []; let tmpStr = ""; let endTag = "narration"; text.split("").forEach((char, index) => { tmpStr += char; if (char === '“') { endTag = "dialogue"; list.push({text: tmpStr, tag: "narration"}); tmpStr = ""; } else if (char === '”') { endTag = "narration"; tmpStr = tmpStr.slice(0, -1) list.push({text: tmpStr, tag: "dialogue"}); tmpStr = ""; } else if (index === text.length - 1) { list.push({text: tmpStr, tag: endTag}); } }); return list; }, splitText(text) { let separatorStr = "。？?！!;；" // ...按标点切分为句子列表... } };

其工作逻辑直观易懂：遇到左双引号“时，此前累积的文本标记为narration（旁白），之后进入dialogue（对话）模式；遇到右双引号”时截断对话文本（去掉引号本身）并标记为dialogue，随即切回旁白；结尾残余文本按当前模式收尾。splitText则按。？?！!;；等标点把长文切成句子，并过滤掉纯引号内容。

引擎侧的调度在 SpeechRuleEngine.kt：它通过 Rhino 执行规则脚本，向 JS 暴露getTagName、handleText、splitText三个方法（L22-L24）。其中handleText（L110-L132）把每段文本、标签与配置 ID 封装成TextWithTag(text, tag, id)，供后续按标签匹配 TTS 配置。

多语音模式下的配置匹配策略，见 TextProcessor.kt 的process()（L114-L137）：精确匹配配置 ID > 同标签内随机匹配 > 全量随机匹配，均失败才报MissingConfig。也就是说，即使某个标签没有专属配置，也会退而求其次用其他配置朗读，不会中断。需要提醒：多语音模式需先在设置中开启（isMultiVoiceEnabled，见 SysTtsConfig.kt），并给各配置打上对应标签，否则会提示缺少朗读规则（MissingRule）。

插件：用 JS 脚本扩展 TTS 能力

插件用于扩展 TTS 功能，本质是用 JS 脚本调用互联网上的 TTS 接口。App 内置了Azure插件，完整实现位于 plugin-azure.js，它是学习插件编写的绝佳范本，包含四部分能力：

1. 变量声明：vars字段声明key（密钥）与region（区域）两个可配置变量，用户在"更多选项 → 设置变量"中填写；脚本顶部通过ttsrv.userVars['key']读取；
2. 音频请求：getAudio(text, locale, voice, rate, volume, pitch)把语速rate、音高pitch映射为 SSML 的百分比（rate = rate * 2 - 100），拼装<mstts:express-as>风格标签与<prosody>韵律标签后，ttsrv.httpPost()请求https://{region}.tts.speech.microsoft.com/cognitiveservices/v1，对 401/403 分别给出"密钥区域错误"与"账户被禁用"的中文提示；
3. 语音数据加载：onLoadData()优先读本地voices.json缓存，不存在则请求微软语音列表接口并写回缓存，避免每次联网拉取；
4. 自定义编辑界面：onLoadUI()用JSpinner、JSeekBar等组件动态构建"语言技能 / 风格 / 角色 / 风格强度"的编辑 UI，配合onVoiceChanged()按所选 voice 动态刷新可选项——这意味着插件可以完全定制 TTS 配置编辑页。

插件由 PluginManager.kt 统一管理，可导入、导出、试听、设置变量。此外，仓库 assets 中还内置了配置直链上传示例 direct_link_upload.js，展示了ttsrv.httpPostMultipart()上传文件的用法，与插件体系共用同一套 JS 运行时（Rhino），可以一并参考。

替换规则：正则纠正发音

替换规则用于替换朗读文本以纠正发音，例如把"你好"替换为"您好"。规则以组为单位管理，支持启用开关、是否正则、匹配模式与替换文本，数据模型见 ReplaceRule.kt（isRegex、pattern、replacement、isEnabled等字段）。

文档给出的高级示例，是将字数 5 以内的对话双引号替换为【】，从而让旁白规则只负责朗读、避免引号被读出来：

(启用正则表达式) 替换规则：(“)(.{1,5})(”) 替换为：【$2】

这里的$2表示捕获组(.{1,5})，即双引号内的 1～5 个字符。替换逻辑在 TextReplacer.kt 的replace()（L30-L47）实现：按isRegex决定走Regex(pattern)还是普通字符串替换，并支持在**文本处理前（BEFORE）与切分后（AFTER）**两个时机分别执行（见 TextProcessor.kt L94-L102 与常量类 ReplaceExecution.kt），因此既能在朗读前统一替换，也能在按段落拆分后逐段精修。

系统 TTS 常见问题

1. 锁屏后一段时间朗读突然停止？

在系统设置 → 应用 → 电池优化中将本 APP 与阅读 APP 加入电池优化白名单。

对于本 APP，你可在左侧滑菜单中单击电池优化白名单进行快捷设置，无需手动进入系统设置。

PS：对于国内系统，你可能还需对后台任务上锁、启用后台权限等操作。

源码层面，App 自身也做了保活措施：SystemTtsService.onCreate()（SystemTtsService.kt L136-L163）会获取PARTIAL_WAKE_LOCK唤醒锁与WIFI_MODE_FULL_HIGH_PERFWi-Fi 锁（分别用于防止息屏休眠与网络降速），并在合成开始时续期唤醒锁（reNewWakeLock()）且可通过配置开关前台服务通知（isForegroundServiceEnabled）。不过这些只能缓解，最根本的仍是系统层面的电池优化白名单与厂商后台权限，尤其国内 ROM 需要额外对后台任务上锁。

2. 段落间隔时间长？

一般是由于网络延迟原因，因为安卓系统 TTS 服务的技术限制，导致无法预缓存音频，故每次只能同步获取。

这是由TextToSpeechService的同步回调机制决定的：系统按句逐段调用合成，App 无法在后台提前拉取下一段音频，段落间隔 ≈ 每段请求的网络往返时间。要突破该限制，就要用到下面的 TTS 转发器方案。

TTS 转发器：把系统 TTS 变成 HTTP 接口

TTS 转发器用于将安卓系统 TTS 转为 HTTP 网络接口形式，便于在网页中调用。

配合阅读 APP 的网络 TTS 引擎调用，可变相实现预缓存一章的音频，提高段落间流畅度。这正是上一条"段落间隔时间长"问题的根治方案：阅读 App 以 HTTP 客户端身份连续拉取整章音频并自行缓冲，不再受系统 TTS 同步回调的约束。

转发器基于 Ktor + Netty 实现，完整路由见 SystemTtsForwardServer.kt（L47-L120），核心接口如下：

其中/api/legado很有特色：它调用 LegadoUtils.kt 的getLegadoJson()，拼接出形如

{api}?engine={engine}&text={{java.encodeURI(speakText)}}&rate={{speakSpeed * 2}}&pitch={pitch}&voice={voice}

的模板 URL，并封装为contentType: "audio/x-wav"、concurrentRate: "100"的 Legado JSON。阅读 App 内置的{{java.encodeURI(speakText)}}、{{speakSpeed * 2}}模板变量会自动代入每段文本与语速，从而实现整章文本的连续预拉取与缓冲。

实际使用流程：在 App 内打开转发器界面（截图见 images/4.jpg），下拉切换 TTS 引擎，输入测试文本与语速后点击"测试"验证朗读；确认无误后点击"阅读 Legado"生成上述 JSON，导入阅读 App 的网络 TTS 引擎即可。转发器的启动、停止与生命周期管理由 ForwarderServiceManager.kt 与 SysTtsForwarderService.kt 负责，端口、引擎映射等配置可参考 SystemTtsForwarderConfig.kt。

延伸阅读

• 官方帮助文档：app.md
• 内置旁白/对话朗读规则脚本：speech_rule.js
• 内置 Azure 插件示例：plugin-azure.js
• 系统 TTS 服务实现：SystemTtsService.kt
• 文本处理（规则 + 替换 + 切分）编排：TextProcessor.kt
• 朗读规则引擎：SpeechRuleEngine.kt
• HTTP 转发器路由：SystemTtsForwardServer.kt
• Legado 配置生成：LegadoUtils.kt

• 语音
• 后端
• 音频