Javascript - 具有音高和持续时间控制的文本到语音

我一直在考虑让我的javascript程序唱歌。

我首先查看了网络语音 API，但音高控制似乎非常有限，所以我想也许有一种方法可以将结果发送到网络音频节点，并从那里应用效果，但这似乎是不可能的。

我找到了.js的图书馆：http://www.masswerk.at/mespeak/

它允许返回一个音频缓冲区，我将将其视为音频节点的源，从而允许更多控制。

我的输入是一个音符序列，具有频率和持续时间。像这样：

var seq = [[440hz,1000ms],[880hz,500ms],...];

我设法从这个序列和一系列单词到我的程序中，以不同的频率有节奏地说这些单词

但是我遇到了一些问题。

• 网络音频失谐与播放速率相关联，因此音高将更改单词持续时间。
我
• 似乎只能使用失谐或播放速率值，这不允许我输入频率（例如 440）并在该频率下获得结果。我唯一能做的就是近似我演讲的基本频率，计算出与预期音符的差异并相应地音高，但结果不是很好。
• 我对如何处理持续时间一无所知。播放速率是人为更改单词持续时间的唯一方法吗？如何强制我的话传播到特定的持续时间？

如果你们中的任何人对这类东西有任何经验，我将不胜感激。

多谢

编辑：添加一些代码

function sing(text,note,duration){
  var buffer = meSpeak.speak(text,{rawdata:'default'});
  playSound(buffer,freqToCents(note),duration)
}
function freqToCents(freq){
  var root = 440 //no idea what is the base frequency of the speech generator
  return 3986*Math.log10(freq/440)
}
function playSound(streamBuffer, cents, duration, callback) { 
  var source = context.createBufferSource();
  source.connect(compressor);
  context.decodeAudioData(streamBuffer, function(audioData) { 
    var duration = audioData.duration; 
    var delay = (duration)? Math.ceil(duration * 1000) : 1000;
    setTimeout(callback, delay);
    source.buffer = audioData;
    source.detune.value = cents; 
    source.start(0);
  }, function(error) { }); 
}

我的音序器正在工作，并且在每一步中，如有必要，调用 sings 函数，例如：

sing('test', 440, 1000)

正如我所说，我希望持续时间参数影响结果