盧如意

摘 要：文語轉(zhuǎn)換（Text to Speech）技術(shù)是一種綜合了語言學處理和聲學處理兩部分的計算機語音合成技術(shù)，前者是對輸入文本進行語言學分析，后者則是通常所說的語音合成。文語轉(zhuǎn)換技術(shù)能將任意的文字信息實時的轉(zhuǎn)化為標準流暢的語音，它是一項復雜的語音處理技術(shù)，涉及聲學、語言學、數(shù)字信號處理、計算機科學等領(lǐng)域的多學科綜合性技術(shù)。本文以語音合成及單片機控制為主電路，PC機通過串口向單片機發(fā)送指令最終控制語音合成電路部分發(fā)聲以及LCD文字顯示。

關(guān)鍵詞：文語轉(zhuǎn)換 單片機 語音合成

中圖分類號：TP271 文獻標識碼：A 文章編號：1674-098X（2015）06（b）-0000-00

1 引言

所謂文語轉(zhuǎn)換技術(shù)（Text-to-Speech，簡稱TTS）指的是計算機能自動的將任意文字信息實時轉(zhuǎn)化為標準流暢的語音朗讀出來。文語轉(zhuǎn)換技術(shù)是一門復雜的語音處理技術(shù)，它涉及眾多學科技術(shù)，比如聲學、語言學、數(shù)字信號處理、計算機科學等 [1]。隨著電子科學技術(shù)、計算機技術(shù)、語音合成技術(shù)不斷的發(fā)展，文語轉(zhuǎn)換技術(shù)也取得了一系列的成果，特別是在系統(tǒng)的性能上面得到了很大的改善。

1.1 文語轉(zhuǎn)換的目的及意義

語音合成，相當于給機器裝上嘴巴進行說話。早期的人機交互方式為鍵盤和顯示器方式，這種方式在有些場合效率很低，而且操作也不方便，由此語音合成就突出了它的特點，它能使一些其他存儲方式的信息能夠轉(zhuǎn)化成人類最習慣、最方便交換的語音信號，使得人簡單的通過聽覺即可得到大量的信息。

1.2 文語轉(zhuǎn)換的研究背景

近年來，國內(nèi)外投入了大量的資源在語音合成領(lǐng)域研究，使其得到了迅猛的發(fā)展，并出現(xiàn)了大量的新技術(shù)和新設(shè)計理念。語音合成技術(shù)有著廣泛的應用前景，特別是在人機交互中的應用，如語音報警器、語音報時器、公共汽車上的自動報站、股票信息的查詢、電話查詢業(yè)務(wù)，以及打印出版過程中的文本校對等[3][4][5]。

2 文語轉(zhuǎn)換系統(tǒng)的原理

早期的文語轉(zhuǎn)換研究主要集中在語音合成方面，即指用機器產(chǎn)生人工語言的技術(shù)，它可以通過力學的光學的或電子學的手段產(chǎn)生類似人說話的聲音；隨著計算機技術(shù)的發(fā)展和應用，產(chǎn)生語音主要靠計算機來完成，現(xiàn)代的文語轉(zhuǎn)換主要是指用計算機完成高清晰度、高自然度、高可懂度的語音的技術(shù)。要完成高質(zhì)量的語音，除了采用各種聲學處理手段外，還必須對文字的內(nèi)容有很好的理解，這將涉及到自然語言理解的問題。只有模擬人產(chǎn)生語音的過程，即首先對要發(fā)生的文字內(nèi)容有很好的理解，然后根據(jù)人類積累的語音規(guī)律（即韻律規(guī)則）通過聲道將文字順序轉(zhuǎn)換成聲音，才能得到流利的、容易理解的自然語音。

2.1 文語轉(zhuǎn)換系統(tǒng)的組成

文本分析、韻律控制和語音合成這三個模塊[7]是文語轉(zhuǎn)換系統(tǒng)的三個核心部分，其結(jié)構(gòu)如圖1所示。

圖1 TTS系統(tǒng)基本框圖

文語轉(zhuǎn)換系統(tǒng)區(qū)別于其他類型的語音合成系統(tǒng)是它具有某種程度的篇章理解能力，其能力主要由文本模塊來實現(xiàn)。文語轉(zhuǎn)換系統(tǒng)能對輸入的文本進行語言學的分析，生成一種適合于語音學的內(nèi)部表示，在此過程中需要確定每個字的正確讀音以及識別詞與詞之間的界限。

3 文語轉(zhuǎn)換系統(tǒng)硬件設(shè)計

本文在語音合成技術(shù)上實現(xiàn)了文語轉(zhuǎn)換系統(tǒng)，即將固定的或者輸入的文本通過語音合成模塊進行播放，并將其內(nèi)容顯示在液晶屏上。系統(tǒng)的總體框圖如圖2所示。

圖2 語音合成系統(tǒng)框圖

整個系統(tǒng)由單片機最小系統(tǒng)、LCD顯示模塊、語音合成電路模塊、通信模塊、電源模塊等幾部分組成。

4 文語轉(zhuǎn)換系統(tǒng)軟件設(shè)計

軟件設(shè)計可以分為兩部分設(shè)計：一是主程序設(shè)計；二是子程序設(shè)計。主程序設(shè)計主要完成的內(nèi)容是：程序初始化（單片機端口初始化、串口通信初始化）、子程序的調(diào)用及跳轉(zhuǎn)等。語音合成子程序主要完成的內(nèi)容：根據(jù)系統(tǒng)的要求將相應的文本內(nèi)容合成語音。其中主程序設(shè)計流程圖如圖3 所示。

圖3 主程序流程圖

語音合成子程序的流程圖如圖4所示。其相應程序如下，buf為輸入的文本數(shù)組首地址，語音合成子程序通過串口將相應的文本發(fā)送給語音合成電路進行播放，并且在主程序中調(diào)用液晶顯示子程序?qū)ο鄳谋具M行顯示。

void Speech（uchar *buf）

{

uchar i = 0； //循環(huán)計數(shù)變量

uchar xor = 0x00； //異或校驗碼變量

uchar ch = 0x00；

uchar len = 0x00；

while（buf[len++]）；

for（i = 0； i < HEAD_LEN； i++）

{

if（i == BKM_OFFSET）

ch = nBkm << 3； //寫入背景音樂

else if（i == LEN_OFFSET）

ch = len + 3；

else

ch = head[i]；

xor ^= ch；

Usart_PutChar（ch）；

Delay（1）；

}

for（i = 0； i < len； i++）

{

xor ^= buf[i]；

Usart_PutChar（buf[i]）；

Delay（1）；

}

Usart_PutChar（xor）； //發(fā)送校驗位

Delay（10）；

//while（TTS_BUSY）； //等待語音播放結(jié)束

Delay（10）；

}

圖4 語音合成子程序

5 結(jié)論

語音合成的研究已經(jīng)有200多年的歷史，隨著最近幾十年語音合成技術(shù)的快速發(fā)展，語音合成在各項領(lǐng)域的應用也越來越廣泛。本文主要完成的內(nèi)容是：在基于語音合成芯片的基礎(chǔ)上，利用軟硬件結(jié)合，完成了文語轉(zhuǎn)換系統(tǒng)的設(shè)計。

本課題所設(shè)計的文語轉(zhuǎn)換系統(tǒng)雖然實現(xiàn)了預期的功能，但由于相關(guān)的理論知識的欠缺以及時間上的緊迫，還存在著若干個問題：

（1）對前人已研究出來的方法及原理總結(jié)得不夠精煉。

（2）合成的語音在自然度和清晰度等方面還需要提高。

參考文獻

[1]魏文密. 文語轉(zhuǎn)換方法研究——文本分析[D]. 碩士：長安大學，2007.

[2]張鵬洲. 文語轉(zhuǎn)換系統(tǒng)研究與應用[D]. 博士后：中國科學院計算技術(shù)研究所，1999.

[3]韓紀慶，張磊，鄭鐵然.語音信號處理[M]. 北京：清華大學出版社，2004.

[4]郭鋒. 基于PSOLA的漢語文語轉(zhuǎn)換技術(shù)研究[D]. 碩士：南京航空航天大學，2007.

[5]黃華. 嵌入式語音合成技術(shù)的研究[D]. 碩士：重慶大學，2011.

[6]張鵬. 嵌入式語音合成系統(tǒng)的研究與實現(xiàn)[D]. 碩士：武漢理工大學，2006.

[7]張雪英. 數(shù)字語音處理及MATLAB仿真[M]. 北京：電子工業(yè)出版社，2010.

[8]PRAHALLAD Kishore，BLACK Alan.A text to speech interface for Universal