微软tts 下载音频按钮（tampermonkey脚本）的实现思路 ...

作者：天空宫阙发布时间：2023-2-15 00:02:32

微软tts 下载音频按钮（tampermonkey脚本）的实现思路
目标网站
https://azure.microsoft.com/zh-cn/services/cognitive-services/text-to-speech/#features

目的是解决微软官方的网页版demo，不能直接下载转换后的MP3文件

效果

image-20220319101032760.png (132.54 KB, 下载次数: 0)
下载附件
2022-3-19 10:32 上传

适合阅读的人群

有一定的JS逆向基础的人群

会使用chrome开发者工具进行抓包调试和断点调试

如果只是想要实现微软tts 下载音频可以直接安装tampermonkey扩展后安装脚本即可,安装完成后会在声音合成后出现下载音频的按钮，脚本地址https://greasyfork.org/zh-CN/scripts/441531-%E5%BE%AE%E8%BD%AFtts-%E4%B8%8B%E8%BD%BD%E6%8C%89%E9%92%AE

理解本篇教程你将会对以下知识点有更深刻的理解
[ol]

tampermokey 脚本的注入时机，需要尽可能早的注入时使用@run-at document-start

hook 的简单使用

函数或变量的导出，比如导出到window方便后续使用，JS扣代码常用

使用tampermokey 脚本下载二进制文件的方法

websocket的简单了解
[/ol]
0x01
首先在目标网站https://azure.microsoft.com/zh-cn/services/cognitive-services/text-to-speech/#features点击几次播放抓几次包发现以下的请求是用来传输合成的音频的
wss://eastus.tts.speech.microsoft.com/cognitiveservices/websocket/v1?Authorization=bearer%20eyJhbGciOiJodHRwOi8vd3d3LnczLm9yZy8yMDAxLzA0L3htbGRzaWctbW9yZSNobWFjLXNoYTI1NiIsInR5cCI6IkpXVCJ9.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.PjYuGtrhh9RgkaH3iPYwPxBwtUDaWCjIBT_iQbPJf7g&X-ConnectionId=F4D719576F88485997E628643E905B76
有两个参数Authorization和X-ConnectionId前者在网页的源码中，后者是uuid4，因为我们用tampermonkey脚本所以不需要搞定这两个参数的生成

image-20220318171347035.png (255.31 KB, 下载次数: 0)
下载附件
2022-3-19 10:33 上传

这个还是get请求，但该请求后改变传输协议为websockets,发送需要转换的文本后，服务器返回了一堆Binary Message（二进制消息），这些就是合成的声音。

image-20220318171615746.png (305.14 KB, 下载次数: 0)
下载附件
2022-3-19 10:33 上传

0x02
因为网页版会对合成的声音进行播放，所以前端肯定有对这些数据进行处理，我们只需要拿到前端处理完成的二进制文件就可以了。那问题就是处理后的二进制文件存哪里了？
可以进行简单的断点调试，没有思路就直接这个进去下一个断点，一步步往上找找看。

image-20220318172825273.png (331.14 KB, 下载次数: 0)
下载附件
2022-3-19 10:33 上传

在这里可找到websocket的onmessage

image-20220318204848429.png (380.56 KB, 下载次数: 0)
下载附件
2022-3-19 10:33 上传

这里l.provWebsocketClientWebsocket的一个实例

image-20220318205340359.png (143.16 KB, 下载次数: 0)
下载附件
2022-3-19 10:34 上传

继续往上追一层找到了每一次处理Binary消息的地方。

image-20220318204950954.png (338.59 KB, 下载次数: 0)
下载附件
2022-3-19 10:34 上传

0x03
但是这么找很难找到最后binary传输完成后的完整音频数据。
这里再换一个方法，可以看到websocket通讯的最后有一个含有Path:turn.end的包，尝试在上面同一个js文件中搜一下 turn.end然后下断点。

image-20220318215256773.png (332.62 KB, 下载次数: 0)
下载附件
2022-3-19 10:35 上传

可以发现定到了这里

image-20220318220501114.png (299.18 KB, 下载次数: 0)
下载附件
2022-3-19 10:35 上传

这里好多case 一开始以为是控制流平坦化，但并不是，而且变量名是有意义的，稍微仔细一点就可以看到这样一个synthesisCompleted。

image-20220318220913937.png (275.62 KB, 下载次数: 0)
下载附件
2022-3-19 10:35 上传

而且有一个if的判断，synthesisCompleted翻译过来是合成完成，打一个断点，确实是在websockets传输完成后会断住，里面的g.privAudioData猜测就是合成的mp3。

image-20220318221113258.png (282.44 KB, 下载次数: 0)
下载附件
2022-3-19 10:35 上传

做一下实验，把这个二进制数据下载下载听一下，发现确实就是我们要的mp3
window.URL.createObjectURL(new Blob([g.privAudioData], { type: 'audio/mp3' }));

image-20220318221621847.png (146.01 KB, 下载次数: 0)
下载附件
2022-3-19 10:36 上传

一开始我想到用chrome的overrides，（fiddler的autoresponse也可以做到）。

image-20220318222128555.png (291.84 KB, 下载次数: 0)
下载附件
2022-3-19 10:36 上传

在把g.privAudioData导出到window这样就方便后面调用了

image-20220318222527046.png (305.75 KB, 下载次数: 0)
下载附件
2022-3-19 10:36 上传

但是后面在下载的时候遇到了浏览器限制，并且这种替换线上文件的方法，对用户的配置要求较高。
0x04
我的目标是做一个装上就可以用的tampermonkey脚本。
为了拿到g.privAudioData 我在当前的作用域中找找看有没有生命周期比较长的比如JSON等之类的可以hook，发现并没有找到，但是我发现g是传进来的，于是找上一层，不行再找上一层。
最终我找到document.addEventListener，这个注入点可能不是最好的，如果大佬有更好的欢迎指正。
先说上面一层是

image-20220318223715387.png (333.49 KB, 下载次数: 0)
下载附件
2022-3-19 10:37 上传

image-20220318223921100.png (352.29 KB, 下载次数: 0)
下载附件
2022-3-19 10:37 上传

发现这里定义了一个匿名函数赋给了全局变量window.initializeTTSDemo,此处也没有找到合适的hook点，但是arguments[1].privResult 里面有我们要的MP3，我们要的东西没丢。
'use strict';
(function ($) {
// This demo is only supported in Edge, Firefox, Chrome and Opera. Source: http://caniuse.com/#search=getUserMedia
window.initializeTTSDemo = function (localizedResources) {
      $(document).ready(function () {
                     // 省略好多代码
         SpeechSDK = window.SpeechSDK;
         // 省略好多代码
         function SpeakOnce() {
            var config = SpeechSDK.SpeechTranslationConfig.fromAuthorizationToken(localizedResources.token, localizedResources.region),
                  synthesizer,
                  audioConfig;
            // due to a bug in Chromium (https://bugs.chromium.org/p/chromium/issues/detail?id=1028206)
            // mp3 playback has some beeps, using a higher bitrate here as a workaround.
            config.speechSynthesisOutputFormat = SpeechSDK.SpeechSynthesisOutputFormat.Audio24Khz160KBitRateMonoMp3;
            player = new SpeechSDK.SpeakerAudioDestination();
            player.onAudioEnd = function () {
                  stopli.hidden = true;
                  playli.hidden = false;
            };
            audioConfig = SpeechSDK.AudioConfig.fromSpeakerOutput(player);
            synthesizer = new SpeechSDK.SpeechSynthesizer(config, audioConfig);
            synthesizer.synthesisCompleted = function () {
                  //arguments[1].privResult 里面有我们要的MP3
                  synthesizer.close();
                  synthesizer = null;
            };
            synthesizer.SynthesisCanceled = function (s, e) {
                  var details;
                  stopli.hidden = true;
                  playli.hidden = false;
                  details = SpeechSDK.CancellationDetails.fromResult(e);
                  if (details.reason === SpeechSDK.CancellationReason.Error) {
                     status.innerText = localizedResources.srTryAgain;
                  }
            };
            synthesizer.speakSsmlAsync(ssml.value, function () { }, function (error) {
                  status.innerText = localizedResources.srTryAgain + ' ' + error;
            });
         }
         // 省略好多代码
})(jQuery);
我非常想重写initializeTTSDemo，但是失败了
在使用tampermonkey脚本使用默认注入方式和改成了@run-at document-start都不能覆盖这个函数。
于是我继续找initializeTTSDemo执行的地方

image-20220318225231325.png (332.34 KB, 下载次数: 0)
下载附件
2022-3-19 10:37 上传

最终还是找到了index.html 狗头
hook document.addEventListener 可以改写initializeTTSDemo

image-20220318225605405.png (165.83 KB, 下载次数: 0)
下载附件
2022-3-19 10:38 上传

initializeTTSDemo中大部分都是抄的核心的修改如下：
synthesizer.synthesisCompleted = function () {
                        // 此时已经合成完毕了 arguments[1].privResult.privAudioData 为MP3文件
                        //debugger;
                        window.xtw.privAudioData = arguments[1].privResult.privAudioData;
                        window.xtw.playdlbut.innerHTML = "下载音频";
                        window.xtw.playdlbut.onclick = function () {
                              // https://stackoverflow.com/questions/19327749/javascript-blob-filename-without-link
                              function saveFile(name, type, data) {
                                 if (data !== null && navigator.msSaveBlob) {
                                    return navigator.msSaveBlob(new Blob([data], { type: type }), name);
                                 }
                                 var a = $("");
                                 var url = window.URL.createObjectURL(new Blob([data], { type: type }));
                                 a.attr("href", url);
                                 a.attr("download", name);
                                 $("body").append(a);
                                 a[0].click();
                                 window.URL.revokeObjectURL(url);
                                 a.remove();
                                 window.xtw.playdlbut.innerHTML = "先点播放";
                              };
                              //debugger;
                              if (window.xtw.privAudioData) {
                                 saveFile(new Date().getTime(), "audio/mp3", window.xtw.privAudioData);
                                 window.xtw.privAudioData = null;
                              } else {
                                 alert('先点播放，等按钮变成下载音频再点击')
                              }
                        };
                        synthesizer.close();
                        synthesizer = null;
                     };
最后把按钮放在合适的位置，方便使用
if (!window.xtw.playdlbut) {
                     window.xtw.playdlbut = document.createElement("button");
                     window.xtw.playdlbut.innerHTML = "先点播放";
                     window.xtw.playdlbut.classList.add('button');
                     window.xtw.playdlbut.classList.add('button--primary01');
                     window.xtw.playdlbut.classList.add('svg-button');
                     window.xtw.li = document.createElement('li');
                     window.xtw.li.appendChild(window.xtw.playdlbut);
                     window.xtw.playliparent = document.getElementById('playli').parentElement
                     window.xtw.playliparent.appendChild(window.xtw.li);
                  }
完整的脚本代码
https://greasyfork.org/zh-CN/scripts/441531-%E5%BE%AE%E8%BD%AFtts-%E4%B8%8B%E8%BD%BD%E6%8C%89%E9%92%AE
https://github.com/skygongque/tts/tree/main/tampermonkeyScript

下载次数, 下载附件

微软tts 下载音频按钮（tampermonkey脚本）的实现思路

相关帖子

热门主题

如果提取到正确的秘钥 m3u8

【已出】剩余价值出crunchbits年付22.69 3c

我滴妈ovh中奖了3.9T

有没有回国节点

680出绿云sg 1111 dc1

又做了一个小工具： XML 电子发票阅读器

美股港股全部开跌了？怎么回事

NOCIX补了一堆货

求问如何申请 feedly api

【Web逆向】英语真题web分析破解

热门板块

公告

网站帮助 - Yoo趣儿

我们的愿景

在 Yoo趣儿投放广告

Yoo趣儿网站用户应遵守规则