基于SYN6288的TTS語音系統

朱志偉，劉湘云

（長沙民政學院 電子信息工程學院，長沙 410004）

引 言

隨著社會經濟建設的飛速發展，教育、交通、金融、旅游等領域對語音播報的需求不斷增長。TTS（Text To Speech）文本轉換語音技術是人機智能對話發展的趨勢，利用此技術，通過MCU或者PC機控制語音芯片發音，能夠實現多種場合下的文字即時閱讀功能，如公交車報站、電子文本教材誦讀、旅游導覽語音服務、排隊讀序號等，這無疑在提高人機通信效率、提升系統服務質量、減輕人們工作強度等方面都有極大的好處。基于TTS技術的語音系統無需事先錄音就能夠隨時根據查詢條件查出并合成語音進行播報，從而大大減少了系統維護的工作量。

1 TTS語音合成原理

TTS語音合成的一般步驟如圖1所示。存儲在Flash ROM中的是編碼后的語音參數，由MCU或PC機控制將Flash ROM中的數據取出并譯碼，根據相應的語音合成方法，由語音參數轉換為數字語音信號，通過D／A轉換器轉換為模擬語音信號，經功率放大后，送入揚聲器。

圖1 TTS語音合成的一般步驟

TTS轉換過程是先將文字序列轉換成音韻序列，再由系統根據音韻序列生成語音波形。這個過程涉及語言學處理和韻律處理，目前實現這個過程較好的途徑是，把基于規則的波形拼接技術和參數語音合成方法結合起來。

常用的語音合成方法主要有：共振峰合成、LPC（線性預測編碼）參數合成、PSOLA（基音同步疊加）拼接合成和LMA濾波。在現階段，共振峰合成和LPC參數合成需要的計算量較大，不適合在低端的嵌入式芯片上使用。PSOLA的主要特點是：在拼接語音波形片斷之前，首先根據上下文的要求，用PSOLA算法對拼接單元的韻律特征進行調整，使合成波形既保持原始發音的主要音律特征，又能使拼接單元的韻律特征符合上下文的要求，從而獲得很高的清晰度和自然度。LMA濾波器能有效解決PSOLA等波形拼接算法難以解決的協同發音問題。總之，PSOLA拼接合成和LMA濾波器，雖然占用的存儲空間較大，但計算量小、計算速度快，而且合成語音自然度高，比較適合于CPU性能較低的嵌入式語音系統使用。

2 語音合成芯片SYN6288的工作原理

2.1 系統框圖

SYN6288是北京宇音天下科技有限公司于2010年初推出的采用PSOLA拼接合成技術的一款語音合成芯片。SYN6288通過異步串口（UART）通信方式，接收待合成的文本數據，實現文本到語音（或TTS語音）的轉換，可直接通過PWM輸出方式驅動揚聲器或外接功率放大電路驅動揚聲器，進行語音輸出。該芯片支持GB2312等格式的文本，支持標點符號、漢字、數字、英文字母及特殊字符處理，可正確識別數值、號碼、時間日期及常用的度量衡符號，具備很強的多音字處理和中文姓氏處理能力。基于SYN6288的語音系統框圖如圖2所示。

圖2 基于SYN6288語音系統框圖

2.2 SYN6288引腳定義

SYN6288共有28個引腳，其引腳定義如表1所列。

3 SYN6288的應用

3.1 硬件接口電路設計

異步串口通信電路如圖3所示。由SYN6288構成的語音系統主電路如圖4所示。在雙刀雙擲開關S1的作用下，系統可靈活地在PC機和MCU之間選擇上位機。S1上接，SYN6288受 MCU控制；S1下接，SYN6288受PC機控制，通過MAX232進行電平轉換。任何時刻MCU均可與PC機通信，系統默認的上位機為MCU，此時單片機可利用PC機進行程序調試、燒寫。如果SYN6288需要受PC機控制，只需切換S1的方向即可。SYN6288通過異步串口接收待合成的文本，直接通過PWM輸出的方式驅動揚聲器，或外接功率放大電路驅動揚聲器，即可實現文本到聲音的轉換。

表1 SYN6288引腳定義

圖3 異步串口通信電路

圖4 由SYN6288構成的語音系統主電路

3.2 SYN6288的TTS功能

SYN6288規定的上位機向芯片傳送的待合成數據幀的有效格式為“幀頭0xFD＋ 數據區長度 ＋數據區”。上位機發送給SYN6288芯片的所有命令和數據都需要用“幀”的方式進行封裝后傳輸，每幀最多為206個字節，幀格式如表2所列。SYN6288支持的控制命令如表3所列。

3.3 SYN6288實現TTS功能的軟件設計

系統軟件根據上位機的不同有兩種程序，一種是上位機PC中的文本輸入發送程序，另一種是MCU中數據收發及存儲回放的程序。

當采用PC機作為上位機時，程序用VC開發，串口通信使用MSComm來實現，只需要對輸入／輸出緩沖區進行讀寫操作就可以實現發送和接收數據。為保證SYN6288正常工作，上位機首先需要發送狀態查詢命令幀，如果芯片回傳的狀態數據是“0x4F”，則表明芯片處于空閑狀態，可以接收數據。然后開始發送實際的數據，讀取用戶設置的控制信息，如音量、波特率等，根據這些信息制作幀頭。最后讀取輸入的文本，由于SYN6288每幀長度最多為206個字節，要根據輸入文本長度判斷是否需要進行分幀發送，并對分幀后的數據計算出校驗和，形成完整的數據幀，通過串口發送出去。同時，開啟偵聽，偵聽到SYN6288回傳“0x4F”，說明前面的文本已合成完畢，上位機再發送下一個文本合成幀。

當采用C51單片機作為上位機時，數據構造命令如下：

表2 SYN6288支持的UART幀格式

表3 SYN6288支持的控制命令

這樣命令幀的各個部分已經完成，而需要發送的文本信息可以通過以下類似的代碼實現：

static char code text[]＝｛" 基于SYN6288的 TTS語音系統的實現"｝；

將待發放文本數據區中的數據與命令幀整合，并將全部數據與0x00進行“異或”運算得到最終的“異或”校驗碼。當查詢到SYN6288的／BUSY引腳為低電平，芯片處于空閑狀態時，把這些命令和數據通過串口直接發送到SYN6288芯片，轉換后驅動揚聲器，就能聽到語音：“基于SYN6288的TTS語音系統的實現”。可以在待發送文本數據區中輸入任意文字，得到相應的語音信息，免除了過去錄音操作的不便之處。

結 語

與其他形式的TTS語音芯片相比，SYN6288有很多人性化的設計，如提供了聲音提示音和和弦音樂，可以依據使用場合選用在公共信息播報中；設置了文本控制標記以調節輸出語音音量大小、調節語速和語調、強制分詞等，特別是標點符號的靜音時間及字與字間的靜音時間可調節，使人感覺有一種語氣上加重或停頓的味道，聽起來更具感情色彩。本文基于SYN6288設計和實現了一個便攜式文本轉語音系統。該系統小巧便攜，使用簡單，可以應用于智能醫療設備、自動售貨機、導航終端等需要語音輸出的場合，并且能夠有效地幫助在語言交流方面有障礙的殘疾人員與他人進行順利的溝通。

[1] 北京宇音天下科技有限公司.SYN628數據手冊 V1.5.（2011－09－06）[2012－05－01].http：／／www.tts168.com.cn／bao／SYN6288－Manual.pdf.

[2] 張輝，黃永強，夏愛華.中文語音合成模塊XF－S4240在導航終端中的應用[J].單片機與嵌入式系統應用，2008（1）：43－45.

[3] 洪家平.LD3320的嵌入式語音識別系統的應用[J].單片機與嵌入式系統應用，2012（2）：47－49.