TTS功能在移動終端的應用

鄭州電視臺 單志霞

TTS功能在移動終端的應用

鄭州電視臺 單志霞

一、背景

TTS（Text To Speech），即從文本到語音。TTS所用的關鍵技術就是語音合成（Speech Synthesis）技術。早期的TTS一般采用專用的芯片實現，但主要應用于家用電器或兒童玩具中。目前，中文TTS系統中比較常用的有IBM、Microsoft、Fujitsu、科大訊飛、捷通華聲等研究的系統。本文，筆者主要介紹科大訊飛TTS系統開發包Aisound的應用。

訊飛輕量級語音合成系統Aisound是科大訊飛基于全球領先的語音合成技術，主要針對各行業應用的嵌入式設備，為用戶提供語音信息獲取和語音交互應用能力的軟件模塊，并將普通文本字符轉換為自然語音輸出的一款TTS軟件。Aisound語音合成系統不受操作系統的限制，不增加用戶額外的硬件成本，并針對嵌入式設備資源受限的特點，在資源占用、可移植性等方面都取得了突破性進展，其合成效果整體上已超過普通人的說話水平。語音合成系統的系統框架圖如圖1所示。

圖 1 語音合成系統框架

二、TTS的實現

在移動終端上實現TTS，其開發原理比較簡單。由于目前移動終端的開發基本上已經實現語音、短信、數據等業務的模塊化，并且UI系統也做的相當成熟，因此我們在添加TTS功能時，只需要使用第3方的軟件開發包即可：通過修改編譯規則，將開發包提供的庫文件編譯進去，然后調用其提供的標準API接口。

1.語音合成的基本流程。

（1）為TTS分配一塊足夠大的堆空間。

（2）初始化資源。

（3）使用ivTTS_Create創建一個TTS實例。

（4）使用ivTTS_SetParam設定TTS的各種參數。如，各回調函數、輸入輸出方式、語言、文本編碼類型、音量和語速等。

（5）使用ivTTS_SynthText輸入文本，開始合成（合成過程中，調用合成的線程會被堵塞，直到退出合成）。

（6）合成結束后，調用ivTTS_Destroy釋放實例。

（7）釋放各種資源。

（8）合成中，可以隨時調用ivTTS_Exit打斷合成。

2.TTS常用的回調函數。Standard API定義了5個回調函數，分別為事件回調函數、參數改變回調函數、流式輸入回調函數、處理進度通知回調函數和輸出回調函數。本文，筆者僅對常用的4個回調函數作一簡要介紹。

（1）事件回調函數。TTS通過事件回調來獲取需要的線程控制或者通知用戶一些事件。例如：實例需要sleep時，調用該回調通知用戶將TTS線程sleep；在系統緩沖了足夠的數據時會調用該回調，通知用戶開始讀取數據；在某些特定平臺，可能需要事件回調來切換上下文。

（2）參數回調函數。當實例參數發生變化時，系統會調用參數回調函數來通知用戶。如果是用戶實例參數發生改變，則不調用該回調。

（3）輸入回調函數。當輸入模式為流式輸入時，系統會通過調用輸入回調函數，來獲取合成的內容。

（4）輸出回調函數。系統合成過程中產生的語音數據會通過該回調傳給用戶，相應的語音數據的格式也會隨之給出。

3.Aisound的輸入輸出方式。Aisound提供2種輸入方式（流式輸入和塊式輸入）和2種輸出方式（輸出回調和用戶主動獲取數據）。

（1）流式輸入。當輸入模式為流式輸入時，系統會通過調用輸入回調函數來獲取合成內容。流式輸入比較復雜時，此方法已不再適用，Aisound默認為塊式輸入。

（2）塊式輸入。直接將輸入文本塊的指針傳遞給系統即可。

（3）輸出回調方式。系統合成過程中產生的語音數據會通過該回調傳給用戶，用戶可對數據進行處理。

（4）用戶主動獲取數據方式。系統將數據暫存在一個緩存區中，用戶通過指定的接口獲取數據。剛開始合成時，當緩存區的數據達到指定大小時，系統會通過事件回調通知用戶可以開始讀取數據。緩存區滿時，系統通過事件回調通知用戶將線程sleep。

綜上，通過TTS功能的實現，可以有效提高移動終端的使用友好性，特別是針對老年人、視力弱的人群具有很好的使用效果。同時該TTS功能實現簡單，不需額外添加設備，不用增加成本就可實現新功能，從而大大提高了該終端產品的市場競爭力。