关于大声朗读的几个建议

everdom commented 1 year ago

简悦确实是一款很棒的chrome扩展，功能上确实非常强大，真是应有尽有，用了下大声朗读功能，用的微软tts语音非常舒服，提几个建议： 1，希望能调整朗读速度，我平时阅读资料速度比较快，而朗读太慢完全跟不上节奏，😄 2，如果朗读的时候能够进行段落标注就好了，朗读到哪里就标注到哪里，跟read aloud插件一样，方便阅读 3，快捷键不起作用，我用sr开启快捷键模式，依然不行，发现快捷键模式中有ts和tt的机器默认朗读的功能，不知道是否是冲突了 4，我平时用surfingkeys，习惯了快捷键操作，sr开启快捷键模式比较难用，能否设置直接开启快捷键，冲突不要紧，surfingkeys里面可以按p进行1秒钟的pass through模式，就可以用来启动简悦的快捷键了，应该会方便很多

Kenshin commented 1 year ago

嗨，谢谢喜欢简悦。

问题 1

估计接入的 API 有这个选项，算是 Feature 我需要研究下。

问题 2

这个可能有点麻烦，我研究下你说的插件。

问题 3

不需要 s r 插件的快捷键直接触发。

问题 4

之前的设计是为了考虑跟其他快捷键避免产生冲突。

会考虑去掉快捷键限制的…（插件就算是一种变相的去掉限制的方案）

不过，也可以出个插件解决。

hamadawon commented 1 year ago

我这边也是大声朗读插件的快捷键无法使用，tt快捷键无法使用。环境win11家庭版+Microsoft Edge 111.0.1661.62 。

hamadawon commented 1 year ago

我这边是配合HTML5视频播放器增强脚本，改变速度，默认4x

Kenshin commented 1 year ago

我这边也是大声朗读插件的快捷键无法使用，tt快捷键无法使用。环境win11家庭版+Microsoft Edge 111.0.1661.62 。

隐身模式下仅使用简悦的方式，看是不是其它扩展的干扰？

我这边是配合HTML5视频播放器增强脚本，改变速度，默认4x

怎么做的，可以分享下。

hamadawon commented 1 year ago

https://github.com/xxxily/h5player 搭配这个脚本实现速度控制

隐身模式扩展仅有simpread，也不能用tt快捷键。另外上周另一台闲置的联想小新笔电因低温锡官方给换主板后，给重装了win10系统，想测试是否可能是软件导致的全局热键冲突，但重装的win10+Edge环境依然无法使用tt快捷键，只能鼠标点击播放icon

Kenshin commented 1 year ago

嗨，各位。

升级到 1.0.1

[x] Add 右下角触发器 → 动作 → 开始朗读
[x] Fix 快捷键 t t 无法使用的问题

如何升级

请使用 https://www.yuque.com/kenshin/simpread/fcw60u 此方式升级。

@hamadawon

https://github.com/xxxily/h5player 搭配这个脚本实现速度控制

竟然是个油猴脚本，谢谢分享 😄

hamadawon commented 1 year ago

另外发现文档里如果有“&”符号，比如AT&T， Johnson & Johnson这种，就无法调用Azure的tts GIF 2023-4-8 18-11-03

Kenshin commented 1 year ago

@hamadawon

Cool 谢谢测试，方便的话，帮忙看看其它非法字符有问题吗？

hamadawon commented 1 year ago

http://www.fhdq.net/bd/44.html

。，、＇：∶；?‘’“”〝〞ˆˇ﹕︰﹔﹖﹑·¨….¸;！´？！～—ˉ｜‖＂〃｀@﹫¡¿﹏﹋﹌︴々﹟#﹩$﹠&﹪%*﹡﹢﹦﹤‐￣¯―﹨ˆ˜﹍﹎+=<＿-\ˇ~﹉﹊（）〈〉‹›﹛﹜『』〖〗［］《》〔〕{}「」【】︵︷︿︹︽﹁﹃︻︶︸﹀︺︾ˉ﹂﹄︼

测试了以上字符，& 与 < 两个字符有问题

@hamadawon

Cool 谢谢测试，方便的话，帮忙看看其它非法字符有问题吗？

Kenshin commented 1 year ago

@hamadawon

太详细了，这就好办多了，等我升级下版本就行了。

Kenshin commented 1 year ago

@hamadawon

嗨，升级到 1.0.2 修复了你提到的错误，感谢帮忙测试 🙏

请使用插件管理器升级。

hamadawon commented 1 year ago

大佬，还发现一个bug，一个GBK 编码页面，可以转换完后再播放，但不能边转边播放。以https://www.69shu.com/txt/45735/31993993为例 localhost:7026/tts_stream?title=两组%xx，即%xx%xx。utf-8编码的的三组%xx能显示成汉字 GIF 2023-4-14 10-46-34

Kenshin commented 1 year ago

okay 我在出差，先 Mark 下。

sasasqt commented 1 year ago

支持多浏览器的速度控制插件 https://github.com/polywock/globalSpeed

Install the Chrome, Firefox, or Edge extension.

Kenshin commented 1 year ago

@sasasqt

谢谢提示，可以用于简悦？

sasasqt commented 1 year ago

@sasasqt

谢谢提示，可以用于简悦？

可用于带audio/video tag的比如模式1下的大声朗读

模式2下的大声朗读貌似要改代码手动hook后才行（或者用audio tag包装下？）

Kenshin commented 1 year ago

可用于带audio/video tag的比如模式1下的大声朗读

那就行。

模式2

因为使用了 Stream 方案，所以其实并不适合使用此方式 😂

PS：谢谢解释，我研究后会把这个方式推给简悦的用户。👍

sasasqt commented 1 year ago

可用于带audio/video tag的比如模式1下的大声朗读

那就行。

模式2

因为使用了 Stream 方案，所以其实并不适合使用此方式 😂

PS：谢谢解释，我研究后会把这个方式推给简悦的用户。👍

查了下 mdn里有个playbackrate 的参数：https://developer.mozilla.org/en-US/docs/Web/Guide/Audio_and_video_delivery/WebAudio_playbackRate_explained

minimal reproducible code:

<html>
    <body>
    <script>
        window.onload = () => {
        const v = document.getElementById("myVideo");
        const p = document.getElementById("pbr");
        const c = document.getElementById("currentPbr");

        p.addEventListener(
            "input",
            () => {
            c.innerHTML = p.value;
            v.playbackRate = p.value;
            },
            false,
        );
        };
    </script>
    <video id="myVideo" controls>
    <source
        src="http://localhost:7026/tts_stream?title=16-%E6%88%91%E6%88%91%E6%88%91%EF%BC%8C%E6%9D%A5%E5%8C%97%E4%BA%AC%E7%AD%BE%E5%94%AE%E5%95%A6%EF%BC%81"
        type="video/webm" />
    </video>

    <form>
    <input id="pbr" type="range" value="1" min="0.5" max="4" step="0.1" />
    <p>Playback Rate <span id="currentPbr">1</span></p>
    </form>
</body>
</html>

这样大声朗读模式1应该就可以改速读了

大声朗读模式2似乎是

先生成音频文件并保存到本地
再通过ttsRender(base64)来朗读

第二步骤的ttsrender函数似乎可以用html代替:

    <video id="myVideo" controls>
    <source
        src="path\to\saved\audio"
        type="video/webm" />
    </video>

这样模式2应该也可以用playbackrate的方法了！

Kenshin commented 1 year ago

@sasasqt

okay 我先 Mark 下，这段时间在休假ing

sasasqt commented 1 year ago

问题2

衍生问题: 希望以更细的颗粒度处理tts，比如以段落/句子为单位在后端调用微软edge tts api，从而支持从点击的指定句子/段落处开始播放。

update: 微软edge的api似乎会返回逐字的时间戳

{
  "Metadata": [
    {
      "Type": "WordBoundary",
      "Data": {
        "Offset": 1000000,
        "Duration": 4625000,
        "text": {
          "Text": "Prepare",
          "Length": 7,
          "BoundaryType": "WordBoundary"
        }
      }
    }
  ]
}

https://gist.github.com/wilinz/13f4bc343754f01c06a90aa9c12e449a#file-ms-edge-tts-api-md

Kenshin commented 1 year ago

Cool 不错，我会研究下的。

Kenshin / simpread

关于大声朗读的几个建议 #5177

升级到 1.0.1

如何升级