StompJS+SpeechSynthesis实现前端消息实时语音播报

前言

前端消息的实时推送我相信很多人不陌生，我们可以想到利用WebSocket，服务端主动向客户端推送数据，浏览器和服务器只需要完成一次握手，两者之间就直接可以创建持久性的连接，并进行双向数据传输。其优点有很多，能更好的节省服务器资源和带宽，并且能够更实时地进行通讯等等。语音播报则能够在人们视觉没有来的及关注时侯，通过听觉来获取需要信息。

这篇文章主要介绍的是基于websocket，利用Stomp.js以及HTML5语音Web Speech API——SpeechSynthesis来实现前端消息的实时推送与语音播报。

StompJS

让我们先了解一下STOMP（the Simple (or Streaming) Text Orientated Messaging Protocol）——面向消息（或流）的简单文本协议。它提供了一个可互操作的连接格式，允许STOMP客户端与任意STOMP消息代理（Broker）进行交互。

WebSocket的实现客户端看起来比较简单，但是需要与后台进行很好的配合和调试才能达到最佳效果。通过SockJS 、Stomp来进行浏览器兼容，可以增加消息语义和可用性。简而言之，WebSocket 是底层协议，SockJS 是WebSocket 的备选方案，也是底层协议，而 STOMP 是基于 WebSocket（SockJS）的上层协议。

创建STOMP客户端

下面简单的介绍一下常用的方法。
在web浏览器中我们可以通过两种方式进行客户端的创建：
1、使用普通的WebSocket

let url = "ws://localhost:61614/stomp";
let client = Stomp.client(url);

2、使用定制的WebSocket
如果需要使用其他类型的Websocket（例如由SockJS包装的Websocket），就利用下面的方式创建客户端

let url = "ws://localhost:61614/stomp";
let socket = new SockJS(url);
let client = Stomp.over(socket);

除上面的客户端创建方式不同外，后续的连接等操作都是一样的。

连接服务端

我们可以用client.connect()方法来连接服务端

client.connect(login,passcode,successCallback,errorCallback);

其中login和passcode都是字符串，相当于是用户的登录名和密码凭证。successCallback为连接成功的回调函数，errorCallback为连接失败的回调函数。
还可以这样写：

client.connect({login:'name',passcode:'666','token':'2333'
},successCallback,errorCallback);

断开连接：

client.disconnect(function(){console.log("再见")})

Heart-beating（心跳）

heart-beating也就是消息传送的频率，incoming是接收频率，outgoing是发送频率，其默认值都为10000ms，我们可以手动设置：

client.heartbeat.outgoing = 5000;
client.heartbeat.incoming = 0;

发送消息

客户端向服务端发送消息利用send()方法，此方法有三个参数：第一个参数（string）必需，为发送消息的目的地；第二个参数（object）可选，包含了额外的头部信息；第三个参数（string）可选，为发送的消息。

client.send(destination, {}, body);

订阅消息

订阅消息也就是客户端接收服务端发送的消息，订阅消息可以利用subscribe()方法，此方法有三个参数：第一个参数（string）必需，为接收消息的目的地；第二个参数必需为回调函数；第三个参数{object}为可选，包含额外的头部信息。

client.subscribe(destination, callback, {});

取消订阅消息可以利用unsubscribe()方法：

 let mySubscribe =  client.subscribe;mySubscribe.unsubscribe();

客户端订阅消息可以订阅广播，如下所示：

client.subscribe('/topic/msg',function(messages){console.log(messages);
})

也可以进行一对一消息的接收：

//第一种方式
const userId = 666;
client.subscribe('/user/' + userId + '/msg',,function(messages){console.log(messages);
})
//第二种方式
client.subscribe('/msg',function(messages){console.log(messages);
}, {"userId ": userId  })

客户端采用的写法要根据服务端代码来做选择。

Web Speech API

在HTML5中，与语音相关的Web Speech API可以分为两种：一种为语音识别(Speech Recognition)，另一种为语音合成(Speech Synthesis)。他们的作用分别为“语音转文字”和“文字转语音”。
既然是HTML5中的东西，我们还是要先看看他们的兼容性如何：
Speech Recognition：

Speech Synthesis：

从上面的图中可以看出：语音识别(Speech Recognition)很惨烈，大部分浏览器还不支持。语音合成(Speech Synthesis)除开IE和Opera，基本上都支持了。
本文要实现的是语音播报，就是要把文字消息，转成语音播报出来，而语音合成(Speech Synthesis)就是实现这样的功能，而且兼容性也是不错的，所以我们就能拿来使用啦~

SpeechSynthesis

语音识别(Speech Recognition)就不过多介绍了，我们来详细看看语音合成(Speech Synthesis)。我们可以先把下面这段代码打到浏览器的控制台上：

let speechInstance = new window.SpeechSynthesisUtterance('你好，可以交个朋友吗');
window.speechSynthesis.speak(speechInstance);

不出意外，浏览器说话了，说明浏览器是支持这个API的。下面简单介绍一下相关的属性和方法：
SpeechSynthesisUtterance对象的属性：

属性	类型	描述
text	string	需要要读的内容
lang	string	使用的语言（比如：“zh-CN”）
volume	number	音量，值在0-1之间（默认是1）
rate	number	语速的倍数，值在0.1-10之间（默认1倍）
pitch	number	音高，值在0-2之间，（默认是1）
voice	string	指定希望使用的声音

SpeechSynthesisUtterance对象的方法：

方法	描述
onstart	语音开始合成时触发
onpause	语音暂停时触发
onresume	语音合成重新开始时触发
onend	语音结束时触发

上述定义的speechInstance其实是我们创建的文本实例，而真实的语音是由speechSynthesis来创建的，其常用的方法如下：

方法	描述
speak()	开始合成语音，将对应的实例添加到语音队列中
cancel()	停止合成语音，删除队列中所有的语音
pause()	暂停语音合成
resume()	恢复暂停后的语音
getVoices()	返回浏览器所支持的语音包数组

实战环节

上面介绍了StompJS和SpeechSynthesis常用的属性和方法，是时候动手码一码了。

前端web页面消息实时接收

模拟服务端发送消息

想要接收实时消息，我们当先然要有消息的来源对不对。消息是从后台发来的，一般是利用Java，然后结合ActiveMQ或者RabbitMQ等消息中间件，Java代码就不多说，我们接下来就利用ActiveMQ来模拟服务端向客户端发送消息。
这里说一说windows环境下吧，首先要下载ActiveMQ，直接点击官网：
http://activemq.apache.org/download-archives.html
选择最新发布下来的压缩包，解压即可，然后进入解压后的bin目录，可以看见里面有两个文件夹，win32和win64，这个就根据自己电脑的操作系统来选择，点击进去，再双击activemq.bat启动，如果看见下面这样就说明启动成功：

如果没有启动成功，那多半是因为没有jdk，点这里，跟着安装就欧克啦~
安装完毕后，再双击activemq.bat，现在我们就启动成功了。在浏览器中输入：http://localhost:8161，可以看到：

点击Manage ActiveMQ broker，用户名和密码都是admin，然后再点击Topics

在输入框中输入msg，然后点击create按钮

可以看见下方列表中多了一个Name为msg的Topics

其中需要注意的是下面几项，以msg为例：

Number Of Consumers ：消费者数量，相当于连接服务端msg的客户端的数量；
MessagesEnqueued：进入队列的消息，相当于服务端向客户端发送的消息数量；
MessagesDequeued：出了队列的消息，相当于客户端消费（订阅）掉的消息数量。
其它想要多了解的可以搜索一波。

模拟“服务端”准备就绪。

客户端消息接收

这“服务端”搞好了，接下来就是客户端的实现，代码贴出来index.html：

<!DOCTYPE html>
<html lang="en">
<head><meta charset="UTF-8"><meta name="viewport" content="width=device-width, initial-scale=1.0"><title>实时语音播报</title>
</head>
<body><script src="http://cdn.bootcss.com/stomp.js/2.3.3/stomp.js"></script> <script>window.onload = function() {let data = '';//建立连接function connect(){let client;let url = 'ws:127.0.0.1:61614/stomp';client = Stomp.client(url);client.heartbeat.outgoing=0;client.connect({},//连接成功回调 function connectCallback() {console.log("连接成功~");//订阅消息// 因为我们订阅的是topic下的msg，所以这里是'/topic/msg'client.subscribe('/topic/msg', function(message){if(message.body){data = message.body;console.log(message.body);}})},//连接失败回调function errorCallBack(error){console.log(error)})}connect();}</script>
</body>
</html>

在浏览器中打开这个HTML文件，然后打开控制台，可以看见，我们已经连接服务端成功了：

连接成功之后呢，我们就可以尝试在服务端向客户端发送消息，先切换到ActiveMQ 的页面：

可以看见我们的消费者的数量为1了，然后点击Send To，就可以开始发消息了：

比如我们发送一个“你好”，然后我们再切到index.html:

我们收到了来自服务端的问候~

SpeechSynthesis语音播报

消息已经能够实时接收了，现在就是需要把接收到的消息读出来，思路很简单，就是把语音合成相关API封装成一个函数，然后当我们服务端发送消息到客户端之后，把消息数据传到为我们定义好的语音播报函数里面，然后就能读出我们服务端发出的消息了，说干就干：

//语音播报
speechInfo = () => {let speechInstance = new SpeechSynthesisUtterance();return {//语音播报开始start: function (content) { let lang = 'zh-CN';let text = content;if( text !== '') {speechInstance.text = text;speechInstance.lang = lang;speechInstance.volume = 1;speechInstance.rate = 1;speechSynthesis.speak(speechInstance);speechInstance.onend = function(event){console.log("语音播报完毕");}}},//暂停pause : function () {speechSynthesis.pause();},//重新开始resume: function() {speechSynthesis.resume();},//取消cancel: function() {speechSynthesis.cancel();}}
};

那咱们调用一下，然后在ActiceMQ页面发送一条新消息，看是不是如我们所愿：

...client.subscribe('/topic/msg', function(message){if(message.body){data = message.body;console.log(message.body);//调用语音合成函数speechInfo().start(data);}
})...

如果是火狐，360安全浏览器等浏览器，我们的消息和声音都如期而至。

但是如果用的是Chrome的话，很难受，并没有声音，难道是Chrome不支持了吗？但是我们之前那两行测试代码说明Chrome是支持SpeechSynthesis的，那是怎么回事？答案就在下面：

Chrome不再支持SpeechSynthesis.speak()的自动播放，要想用的话，必须用户手动去调用它。原因可以看这里被垃圾广告滥用后谷歌浏览器71将限制语音合成自动播放

垃圾网站出来背锅！！！

想不到吧，有一天需要去“兼容”Chrome了。语音不能实时的播报出来，我们看看有没有什么办法。我的思路是在页面加一个按钮，然后进行模拟人去点击，完整index.html代码：

<!DOCTYPE html>
<html lang="en">
<head><meta charset="UTF-8"><meta name="viewport" content="width=device-width, initial-scale=1.0"><title>Document</title>
</head>
<body><div><button id="btn"> 点击</button></div><script src="http://cdn.bootcss.com/stomp.js/2.3.3/stomp.js"></script> <script>window.onload = function() {let data = '';//建立连接function connect(){let client;let url = 'ws:127.0.0.1:61614/stomp';client = Stomp.client(url);client.heartbeat.outgoing=0;client.connect({},//连接成功回调 function connectCallback() {console.log("连接成功~");//订阅消息client.subscribe('/topic/msg', function(message){if(message.body){data = message.body;console.log(message.body);if(navigator.userAgent.toLowerCase().indexOf("chrome") !== -1){document.getElementById("btn").click();} else {speechInfo().start(data);}}})},//连接失败回调function errorCallBack(error){console.log(error)})}//语音播报speechInfo = () => {let speechInstance = new SpeechSynthesisUtterance();return {//语音播报开始start: function (content) { let lang = 'zh-CN';let text = content;if( text !== '') {speechInstance.text = text;speechInstance.lang = lang;speechInstance.volume = 1;speechInstance.rate = 1;speechSynthesis.speak(speechInstance);speechInstance.onend = function(event){console.log("语音播报完毕");}}},//暂停pause : function () {speechSynthesis.pause();},//重新开始resume: function() {speechSynthesis.resume();},//取消cancel: function() {speechSynthesis.cancel();}}};document.getElementById("btn").onclick=function () {console.log("触发成功")speechInfo().start(data);};document.getElementById("btn").click();connect();}</script>
</body>
</html>

但是我们能想到，谷歌想不到？这里又涉及一个知识点：isTrusted

Event接口的isTrusted是一个Boolean类型的只读属性.当事件由用户操作生成时为true，由脚本创建或修改,或通过调用EventTarget.dispatchEvent生成,为false

我们在控制台代码中打个断点，然后在ActiveMQ 发条消息瞧一瞧，是不是与这个有关：

可以看见isTrusted的值为false，这个模拟点击事件是不被浏览器信任的，然后我们再手动点击一下我们写好的按钮：

isTrusted的值为true，我们的声音也出来了，当我们再在ActiveMQ 发送一条消息：

声音自动播放出来了。

参考

https://segmentfault.com/a/1190000017204277
https://www.cnblogs.com/goloving/p/10746378.html
https://www.jianshu.com/p/92dec635f6c5
https://developer.mozilla.org/zh-CN/docs/Web/API/Web_Speech_API

最后

需要提一点的是，我在实际是在react中开发的，相关方法都和上述的写法类似，但是却不会触发Chrome对于SpeechSynthesis.speak()的限制，这个限制也是我在写这篇文章的时候，用原生js+HTML的时候发现的。
总的来说用原生js+HTML实现的并不算完美，在Chrome下需要在页面加载完成后进行一次点击，才能把后续的语音实时的播报出来。如果大家有相关的解决办法，或者用其它的方式实现了前端消息实时的语音播报，欢迎提出来，先谢过了~