基于SYN6288的TTS語音系統(tǒng)

朱志偉，劉湘云

（長(zhǎng)沙民政學(xué)院 電子信息工程學(xué)院，長(zhǎng)沙 410004）

引 言

隨著社會(huì)經(jīng)濟(jì)建設(shè)的飛速發(fā)展，教育、交通、金融、旅游等領(lǐng)域?qū)φZ音播報(bào)的需求不斷增長(zhǎng)。TTS（Text To Speech）文本轉(zhuǎn)換語音技術(shù)是人機(jī)智能對(duì)話發(fā)展的趨勢(shì)，利用此技術(shù)，通過MCU或者PC機(jī)控制語音芯片發(fā)音，能夠?qū)崿F(xiàn)多種場(chǎng)合下的文字即時(shí)閱讀功能，如公交車報(bào)站、電子文本教材誦讀、旅游導(dǎo)覽語音服務(wù)、排隊(duì)讀序號(hào)等，這無疑在提高人機(jī)通信效率、提升系統(tǒng)服務(wù)質(zhì)量、減輕人們工作強(qiáng)度等方面都有極大的好處?；赥TS技術(shù)的語音系統(tǒng)無需事先錄音就能夠隨時(shí)根據(jù)查詢條件查出并合成語音進(jìn)行播報(bào)，從而大大減少了系統(tǒng)維護(hù)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(chǔ)在Flash ROM中的是編碼后的語音參數(shù)，由MCU或PC機(jī)控制將Flash ROM中的數(shù)據(jù)取出并譯碼，根據(jù)相應(yīng)的語音合成方法，由語音參數(shù)轉(zhuǎn)換為數(shù)字語音信號(hào)，通過D／A轉(zhuǎn)換器轉(zhuǎn)換為模擬語音信號(hào)，經(jīng)功率放大后，送入揚(yáng)聲器。

圖1 TTS語音合成的一般步驟

TTS轉(zhuǎn)換過程是先將文字序列轉(zhuǎn)換成音韻序列，再由系統(tǒng)根據(jù)音韻序列生成語音波形。這個(gè)過程涉及語言學(xué)處理和韻律處理，目前實(shí)現(xiàn)這個(gè)過程較好的途徑是，把基于規(guī)則的波形拼接技術(shù)和參數(shù)語音合成方法結(jié)合起來。

常用的語音合成方法主要有：共振峰合成、LPC（線性預(yù)測(cè)編碼）參數(shù)合成、PSOLA（基音同步疊加）拼接合成和LMA濾波。在現(xiàn)階段，共振峰合成和LPC參數(shù)合成需要的計(jì)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(diǎn)是：在拼接語音波形片斷之前，首先根據(jù)上下文的要求，用PSOLA算法對(duì)拼接單元的韻律特征進(jìn)行調(diào)整，使合成波形既保持原始發(fā)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(xié)同發(fā)音問題?？傊琍SOLA拼接合成和LMA濾波器，雖然占用的存儲(chǔ)空間較大，但計(jì)算量小、計(jì)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(tǒng)使用。

2 語音合成芯片SYN6288的工作原理

2.1 系統(tǒng)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(shù)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(shù)據(jù)，實(shí)現(xiàn)文本到語音（或TTS語音）的轉(zhuǎn)換，可直接通過PWM輸出方式驅(qū)動(dòng)揚(yáng)聲器或外接功率放大電路驅(qū)動(dòng)揚(yáng)聲器，進(jìn)行語音輸出。該芯片支持GB2312等格式的文本，支持標(biāo)點(diǎn)符號(hào)、漢字、數(shù)字、英文字母及特殊字符處理，可正確識(shí)別數(shù)值、號(hào)碼、時(shí)間日期及常用的度量衡符號(hào)，具備很強(qiáng)的多音字處理和中文姓氏處理能力?；赟YN6288的語音系統(tǒng)框圖如圖2所示。

圖2 基于SYN6288語音系統(tǒng)框圖

2.2 SYN6288引腳定義

SYN6288共有28個(gè)引腳，其引腳定義如表1所列。

3 SYN6288的應(yīng)用

3.1 硬件接口電路設(shè)計(jì)

異步串口通信電路如圖3所示。由SYN6288構(gòu)成的語音系統(tǒng)主電路如圖4所示。在雙刀雙擲開關(guān)S1的作用下，系統(tǒng)可靈活地在PC機(jī)和MCU之間選擇上位機(jī)。S1上接，SYN6288受 MCU控制；S1下接，SYN6288受PC機(jī)控制，通過MAX232進(jìn)行電平轉(zhuǎn)換。任何時(shí)刻MCU均可與PC機(jī)通信，系統(tǒng)默認(rèn)的上位機(jī)為MCU，此時(shí)單片機(jī)可利用PC機(jī)進(jìn)行程序調(diào)試、燒寫。如果SYN6288需要受PC機(jī)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(qū)動(dòng)揚(yáng)聲器，或外接功率放大電路驅(qū)動(dòng)揚(yáng)聲器，即可實(shí)現(xiàn)文本到聲音的轉(zhuǎn)換。

表1 SYN6288引腳定義

圖3 異步串口通信電路

圖4 由SYN6288構(gòu)成的語音系統(tǒng)主電路

3.2 SYN6288的TTS功能

SYN6288規(guī)定的上位機(jī)向芯片傳送的待合成數(shù)據(jù)幀的有效格式為“幀頭0xFD＋ 數(shù)據(jù)區(qū)長(zhǎng)度 ＋數(shù)據(jù)區(qū)”。上位機(jī)發(fā)送給SYN6288芯片的所有命令和數(shù)據(jù)都需要用“幀”的方式進(jìn)行封裝后傳輸，每幀最多為206個(gè)字節(jié)，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(shí)現(xiàn)TTS功能的軟件設(shè)計(jì)

系統(tǒng)軟件根據(jù)上位機(jī)的不同有兩種程序，一種是上位機(jī)PC中的文本輸入發(fā)送程序，另一種是MCU中數(shù)據(jù)收發(fā)及存儲(chǔ)回放的程序。

當(dāng)采用PC機(jī)作為上位機(jī)時(shí)，程序用VC開發(fā)，串口通信使用MSComm來實(shí)現(xiàn)，只需要對(duì)輸入／輸出緩沖區(qū)進(jìn)行讀寫操作就可以實(shí)現(xiàn)發(fā)送和接收數(shù)據(jù)。為保證SYN6288正常工作，上位機(jī)首先需要發(fā)送狀態(tài)查詢命令幀，如果芯片回傳的狀態(tài)數(shù)據(jù)是“0x4F”，則表明芯片處于空閑狀態(tài)，可以接收數(shù)據(jù)。然后開始發(fā)送實(shí)際的數(shù)據(jù)，讀取用戶設(shè)置的控制信息，如音量、波特率等，根據(jù)這些信息制作幀頭。最后讀取輸入的文本，由于SYN6288每幀長(zhǎng)度最多為206個(gè)字節(jié)，要根據(jù)輸入文本長(zhǎng)度判斷是否需要進(jìn)行分幀發(fā)送，并對(duì)分幀后的數(shù)據(jù)計(jì)算出校驗(yàn)和，形成完整的數(shù)據(jù)幀，通過串口發(fā)送出去。同時(shí)，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(jī)再發(fā)送下一個(gè)文本合成幀。

當(dāng)采用C51單片機(jī)作為上位機(jī)時(shí)，數(shù)據(jù)構(gòu)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(gè)部分已經(jīng)完成，而需要發(fā)送的文本信息可以通過以下類似的代碼實(shí)現(xiàn)：

static char code text[]＝｛" 基于SYN6288的 TTS語音系統(tǒng)的實(shí)現(xiàn)"｝；

將待發(fā)放文本數(shù)據(jù)區(qū)中的數(shù)據(jù)與命令幀整合，并將全部數(shù)據(jù)與0x00進(jìn)行“異或”運(yùn)算得到最終的“異或”校驗(yàn)碼。當(dāng)查詢到SYN6288的／BUSY引腳為低電平，芯片處于空閑狀態(tài)時(shí)，把這些命令和數(shù)據(jù)通過串口直接發(fā)送到SYN6288芯片，轉(zhuǎn)換后驅(qū)動(dòng)揚(yáng)聲器，就能聽到語音：“基于SYN6288的TTS語音系統(tǒng)的實(shí)現(xiàn)”。可以在待發(fā)送文本數(shù)據(jù)區(qū)中輸入任意文字，得到相應(yīng)的語音信息，免除了過去錄音操作的不便之處。

結(jié) 語

與其他形式的TTS語音芯片相比，SYN6288有很多人性化的設(shè)計(jì)，如提供了聲音提示音和和弦音樂，可以依據(jù)使用場(chǎng)合選用在公共信息播報(bào)中；設(shè)置了文本控制標(biāo)記以調(diào)節(jié)輸出語音音量大小、調(diào)節(jié)語速和語調(diào)、強(qiáng)制分詞等，特別是標(biāo)點(diǎn)符號(hào)的靜音時(shí)間及字與字間的靜音時(shí)間可調(diào)節(jié)，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(shè)計(jì)和實(shí)現(xiàn)了一個(gè)便攜式文本轉(zhuǎn)語音系統(tǒng)。該系統(tǒng)小巧便攜，使用簡(jiǎn)單，可以應(yīng)用于智能醫(yī)療設(shè)備、自動(dòng)售貨機(jī)、導(dǎo)航終端等需要語音輸出的場(chǎng)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(jìn)行順利的溝通。

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

[2] 張輝，黃永強(qiáng)，夏愛華.中文語音合成模塊XF－S4240在導(dǎo)航終端中的應(yīng)用[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2008（1）：43－45.

[3] 洪家平.LD3320的嵌入式語音識(shí)別系統(tǒng)的應(yīng)用[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2012（2）：47－49.