Задача: Добавить браузерную озвучку букв, слогов и отдельных слов

Цель

Добавить браузерную озвучку учебных единиц без отдельного TTS-бэкенда: букв, слогов и отдельных слов.

Основной сценарий:

1. Ребёнок видит букву, слог или слово.
2. Нажимает кнопку воспроизведения.
3. Браузер произносит соответствующий текст.

На первом этапе использовать встроенный Web Speech API браузера.

---

Основное API

const utterance = new SpeechSynthesisUtterance('Собака')
utterance.lang = 'ru-RU'

window.speechSynthesis.speak(utterance)

Остановка текущей речи:

window.speechSynthesis.cancel()

Полезные параметры:

utterance.lang = 'ru-RU'
utterance.rate = 1
utterance.pitch = 1
utterance.volume = 1

• lang — язык/локаль синтеза;
• rate — скорость речи;
• pitch — высота голоса;
• volume — громкость 0..1;
• voice — конкретный системный голос.

---

Выбор русского голоса

const voices = window.speechSynthesis.getVoices()

const russianVoice = voices.find(
  voice => voice.lang.toLowerCase().startsWith('ru'),
)

const utterance = new SpeechSynthesisUtterance('Рыба')
utterance.lang = 'ru-RU'
utterance.voice = russianVoice ?? null

window.speechSynthesis.speak(utterance)

Список голосов может загружаться асинхронно:

window.speechSynthesis.onvoiceschanged = () => {
  const voices = window.speechSynthesis.getVoices()
  console.log(voices)
}

---

Базовый helper

export type SpeakOptions = {
  lang?: string
  rate?: number
  pitch?: number
  volume?: number
  voice?: SpeechSynthesisVoice | null
}

export const speak = (
  text: string,
  options: SpeakOptions = {},
) => {
  window.speechSynthesis.cancel()

  const utterance = new SpeechSynthesisUtterance(text)

  utterance.lang = options.lang ?? 'ru-RU'
  utterance.rate = options.rate ?? 1
  utterance.pitch = options.pitch ?? 1
  utterance.volume = options.volume ?? 1

  if (options.voice) {
    utterance.voice = options.voice
  }

  window.speechSynthesis.speak(utterance)

  return utterance
}

Примеры:

speak('А')
speak('МА')
speak('Собака')

---

Рекомендуемый hook для React

import { useCallback, useEffect, useState } from 'react'

export const useSpeechSynthesis = () => {
  const [voices, setVoices] = useState<SpeechSynthesisVoice[]>([])

  useEffect(() => {
    const loadVoices = () => {
      setVoices(window.speechSynthesis.getVoices())
    }

    loadVoices()
    window.speechSynthesis.addEventListener('voiceschanged', loadVoices)

    return () => {
      window.speechSynthesis.removeEventListener('voiceschanged', loadVoices)
    }
  }, [])

  const speak = useCallback((text: string) => {
    window.speechSynthesis.cancel()

    const utterance = new SpeechSynthesisUtterance(text)
    utterance.lang = 'ru-RU'

    const russianVoice = voices.find(
      voice => voice.lang.toLowerCase().startsWith('ru'),
    )

    if (russianVoice) {
      utterance.voice = russianVoice
    }

    window.speechSynthesis.speak(utterance)
  }, [voices])

  const stop = useCallback(() => {
    window.speechSynthesis.cancel()
  }, [])

  return {
    voices,
    speak,
    stop,
  }
}

---

Логика UI

Минимально нужны:

• кнопка Прослушать;
• повторное воспроизведение;
• отмена предыдущей речи перед новым speak();
• состояние speaking, если оно понадобится для анимации/disable кнопки;
• fallback, если speechSynthesis недоступен.

События SpeechSynthesisUtterance, которые можно использовать:

utterance.onstart = () => {}
utterance.onend = () => {}
utterance.onerror = event => {}

---

Важные ограничения

• качество и набор голосов зависят от браузера/ОС;
• одна и та же строка может звучать по-разному на разных устройствах;
• одиночные буквы могут произноситься не так, как ожидается педагогически — это нужно отдельно проверить на целевых браузерах;
• API подходит для готовой озвучки, но не даёт напрямую PCM/AudioBuffer для анализа;
• не смешивать эту задачу с экспериментами собственного синтезатора речи.

Критерий готовности

Буква, слог или отдельное слово передаются одним методом speak(text), корректно произносятся на русском языке, повторный запуск не наслаивается на предыдущий, ошибки и отсутствие API обрабатываются предсказуемо.