基于汉字编码特性构造函数实现的语音系统.doc

基于汉字编码特性构造函数实现的语音系统 [日期：2006-05-22] 来源：? 作者： [字体：大 中 小] 黄红伟 ?汤兴华 ? ? 摘要：基于汉字编码的特性，本文构造了一个函数，利用这个函数为每一个汉字建立索引，基于此建立了一个很小的基于文件形式的语音库；在程序里调用这个语音库来达到汉字语音输出的功能。同时给出了实现此语音库的方法、步骤及怎样调用此语音库，及相应的程序代码。 关键词：汉字编码,　函数,　语音系统　 ? 1．关于汉字映射序号函数 f 首先让我们来考查一下汉字的编码（我们这里只研究中国大陆的简体中文GB2312，下同）。 根据ANSI字符集[1]，每一个汉字由两个字节构成，由一个十六进制数唯一表示，例如：‘黄’，其十六进制编码为：0xBBC6。我们可以看到在构成‘黄’字的这两个字节中，第一个字节表示的值为：0xBB，第二个字节为：0xC6。通过研究Windows系统中的字符映射表，我们可以得出以下命题： 命题一　在表示简体中文的这两个字节中，第一个字节的标识范围为：0xB0~0xF7，第二个字节的标识范围为：0xA1~0xFE。 根据命题一，我们得出： 命题二　用这两个字节在此标识范围之内所能表示的汉字个数为： （0xF7－0xB0＋1）×(0xFE－0xA1＋1)＝72×94＝6768。 事实上字符映射表里的简体汉字个数也为6768个。 于是我们定义了一个函数f： 定义一：　　P = f(Q) = (Q1 – 0xB0) × 94 + (Q2 – 0xA1) 其中：Q为任一汉字的十六进制编码，显然这里Q由两个字节构成，Q1为构成Q的两个字节中的第一个字节，Q2为第二个字节，所以： 0xB0≤Q1≤0xF7，　0xA1≤Q2≤0xFE 　P = {p | 0 ≤t≤ 6767 且 p为整数} 不难证明此函数是可逆的。得出命题三： 命题三　　　　任意给定一汉字，根据函数f，总可以找到一个唯一的数p (pP)，让p来代表这个汉字，反之，给定一数p(pP)，也总有一个唯一的汉字与之对应。 于是我们有f(‘啊’) = f(0xB0A1) = 0，又如f(‘黄’) = f(0xBBC6) = 1071，如此等等。 ? 2.关于汉字拼音对照表 通过考查《新华字典》[2]，我们为字符映射表里的6768个简体汉字建立了一个汉语拼音对照表。对照表里在每一个拼音的后面加上一个数字，以示声调，第一声用‘1’表示，第二声用‘2’，第三声用‘3’， 第四声用‘4’，平声用‘5’。例如：‘啊’→ a1，‘黄’→huang2。由于汉字里同音字比较多，所以6768个汉字拼音里实际上不同声调者只有1317个。 为了准备基本的语音素材，我们特地从电视台请了一位播音员录制了这1317个不同的发音。其中每一个发音是一个单独的wav型文件，其文件名就是其对应的汉语拼音，例如‘huang2’这个音的文件名字就是‘huang2’。 3.关于语音库的建立 语音库分为两个部份，第一部份存贮6768个汉字中的每一个汉字语音数据在库中的位置索引，第二部份存贮的是已经录制好的1317个wav文件的数据。事实上在库中并没有存贮汉字本身，因为根据前面得到的命题三，字符映射表里的每一个汉字都有一个唯一的数字与其对应，故这个语音库的第一部份，也就是索引部份，可以看作一个有6768个元素的数组----SndIdx[6768] (实际我们后面编程时也是这样实现的)，例如SndIdx[1071]的值是‘黄’这个字的语音数据在库中的位置偏移量。因为1317个语音数据有10M之多，故索引数组的元素值远超过32767，为此数组的每一个元素占有4个字节的空间。因此索引大小为：4 × 6768 ≈25K 。 调用语音库时利用了两个缓冲区 ：DWORD SndIdx[6768] 与char? *m_szSndBuff， m_szSndBuff = (char *)malloc( 语音库文件第二部份的大小 )。然后把语音库文件fsnd.dat的第一部份，也就是索引部份读入SndIdx；把第二部份，也就是语音数据部份读入m_szSndBuff。当需要语音输出的时候，例如要输出‘黄’的读音，程序根据定义一的函数f得出与该字对应的的编号为1071，于是得到该字的读音在缓冲区m_szSndBuff中的偏移量为SndIdx[1071]，然后调用Windows的用于播放wav数据的API函数来输出该字的发音： sndPlaySound( m_szSndBuff + SndIdx[1071] , SND_SYNC | SND_MEMORY )[3]。 ? 4.关于系统的实现 首先我们来研究怎样生成这个语音系统。 语音系统的主体部份其实只是一个数据文件fsnd.dat，我们要做的只是怎样把这些索引与单