不用WindowsSpeechSDK的“语音合成”方案.docVIP

不用Windows Speech SDK的“语音合成 ”方案 ----风轻云淡 “语音合成 ”，在电脑上实际上是完成“字符转变为语音”这个功能的。我个人也就沿用这个“语音合成 ”这个概念吧。 笔者就此事情，了解了一下“语音识别和语音合成”程序设计方面的事情，好像都是要借助于“微软Windows Speech SDK”这个开发包。假如要甩开这个“SDK”，是否有可能呢？笔者通过实验[注①]来看是可以的。 但它是否能推广到一般呢？是否可以仿此推广到其它的语种呢？是否可以多语种的混合使用？是否可以在Liunx系统中仿照方法也能够实现呢？诸如此类的种种问题，有待于广大程序员的辛勤和努力工作。 下面，把我以中文为对象，在VB里的做过的实验过程大概的说一下： 先制作发音文件： 中文发音文件，根据《现代汉语词典》商务印书馆 1981年北京版这部词典来制作的。根据【音节表】制作1331个中文音节发音音频文件，是MP3格式，【每个音节做成一个音频文件，包括汉语拼音的四声，分别命名为编号. MP3】。其序号从1开始一直排到1331.。每个音频文件的名称就成了xxx.mp3，注：[xxx表示1—1331之间的任意整数]。 为说明和理解的方便，暂时把这些发音文件理解成一个文件，即“读音文件”。 关于这种文件的制作，有条件的可以自己录音制作，笔者也赞成这样，做好的发音文件要经过修剪的。因为笔者是为了实验，也就暂时借助于其它的语音合成软件合成了供实验用的材料。 【思考和讨论：笔者采用ＭＰ３格式的原因是文件占用空间比较小，相对于wav格式，那么是否还有其它的格式可供采用呢？特别是数字格式的，即：用一个数字来表示，或者一个数组来表示，为何要考虑其它格式，原因很简单，就是想考虑和以后的语音识别能否共用这些文件，这点至关重要】。 第二个文件是“汉字发音编号索引”文件，文件内容的格式是： 汉字+空格+发音编号。例如：猜 80。这里的空格也可以用其它符号。也就是说：一个汉字对应着一个发音编号。 那么，下面说说建立这个文件步骤： 1 :建立一个零时字库文件，建立这个文件，当然是选择的独立汉字越多越好；建立字库文件，可以设计一个小工具来从文章里筛选得到。我选择了大概有4000多个，这个数字在现实中是完全不够用的，但目前只是实验，笔者也就没有再继续做这方面的工作了。 2：把字库文件的每一个汉字进行读音标注，这个工作也只能借助于软件来完成。 3：音节发音文件与汉字读音文件合并成一个文件，暂且命名为：hanziduyinbianhao[汉字读音编号],这样就成了【汉字+空格+发音编号】这样的文件。在合并时要这样做：把每一个汉字转换为ASCII码，以这个ASCII码作为记录号写入随机文件。因为以后查阅的时候，仍然是根据其ASCII码来查找的，这样速度快。当然，不反对使用数据库的方案。 这项工作也得由软件来完成，笔者也只得自己设计一个这样的小工具了。这个工具也很简单，用字符匹配函数和字符运算就够了。 上面的两个文件制作好后，就存放在一定的文件夹下：我这里放在D:\shiyai文件夹下，这个文件夹下有还有一个 文件夹，这个是存放音节发音文件的，我这里命名为yinpinmp3,它里面存放了1331个MP3音频文件。如果再把hanziduyinbianhao.dat这个文件方的D:\shiyai文件夹下，那么在shiyan就有一个文件hanziduyinbianhao.dat和一个文件夹yinpinmp3。如果要他们进行操作的话，就先写出路径，写法如下： D:\shiyai\hanziduyinbianhao.dat 【hanziduyinbianhao.dat是：“汉字读音编号”】 D:\shiyai\ yinpinmp3\xxx.mp3 【xxx.mp3是：“读音文件”】 上面的两个文件做好以后，【“汉字读音编号”和“读音文件”】就可以进行程序的设计了。 现在先看看这个程序的思路流程：以“我们的国家是一个伟大的国家”这句话为例。 分析： １：计算机要把这一句话说出来，只能是按照先后顺序一个字一个字的说，人们说话或者听话的习惯也是如此，那么，就得把这句话拆分成单个的汉字，这样就得设计一个拆分过程； ２：计算机本