|
捷通华声语音合成(jTTS)技术介绍及解决方案
2002/09/01
一、 捷通华声TTS（jTTS）介绍
1. 捷通华声TTS技术文语转换的基本原理
捷通TTS技术文语转换的基本结构：
语言学处理在文语转换系统中起着重要的作用，他主要是模拟人对自然语言的理解过程--文本规整、词的切分、语法分析和语义分析，使计算机对输入的文本能完全理解，并给出后两部分所需要的各种发音提示。
韵律处理的目的是为合成语音规划出音段特征，如音高、音长和音强等，使合成语音能正确表达语意，听起来更加自然悦耳。
声学处理的主要功能是根据前两部分处理结果的要求输出语音，即合成语音。
2. 捷通华声TTS的特点
- 捷通华声的TTS技术（jTTS），是具有自我版权的TTS技术，以大规模真实录音的语音库为基础，采用多样本、不等长言语段波形拼接技术，增加音库压缩算法和音色变换算法形成核心技术，发音清晰流利、自然度高。
- 捷通华声TTS在文本到语音的转换过程中不是对文字到语音的简单映射，还包括了对文字的理解，以及对语音的韵律处理。
- 捷通华声通过研究汉语的声调、重音、语调的声学特点，设计了重音和语调的模拟。
- 捷通华声TTS在韵律规则方面，采用统计和规则相结合的方法，研究了汉语韵律规则并进行了一定的韵律模拟工作，以韵律层级的匹配作为选音段的基本原则。
- 捷通华声TTS提供中英文混读功能，嵌入中文内部的常用单词的音色与中文保持一致，更加自然流畅。
- 捷通华声TTS的音库大小可调节，能提供从PC、语音卡到掌上电脑TTS技术的全面解决方案。可以将音库和程序压缩到共1.5M的水平，实现了在嵌入式系统上的应用。
- 提供捷通华声TTS开发工具包（jTTS SDK），可以合成到声卡，合成到文件，直接获取语音流，支持多线程操作，支持GBK、BIG5字符集的文本阅读。
其中音库大小可调节的特点是捷通华声TTS能够移植到掌上电脑等嵌入式设备的关键特点，也是捷通华声TTS独具的优点。
- 支持多种操作系统，如WindowsNT/2000/XP、Linux及各种嵌入式操作系统。
捷通华声公司在2001年7月完成了最新版本的捷通华声TTS核心。新版本基于大规模真实录音的语音库，音库提供的样本多，选音范围大，可选择到更匹配的发音，另外，在选音和拼接时将超越了音节的层次，能够进行词甚至短句层次的拼接。因此，在自然度、可懂度方面捷通华声新TTS具有较大的提高。再加上英文单词的音色与中文保持一致，可支持GBK字库中的所有字符的发音，新的捷通华声TTS技术的合成的语音几乎达到自然说话的效果。
3. 捷通华声TTS的进一步发展方向
捷通华声TTS将在下面几个方向发展：
- 进一步提高语音合成的质量，达到更加流利和自然的程度。
- 进一步研究音色的转换功能，使得TTS技术可以实现各种音色（包括不同性别、不同年龄、不同发音特征等的语音输出。
- 为各行业提供TTS核心技术和解决方案，特别是CTI行业和嵌入式系统领域。
- 将TTS技术移植到其它操作系统，例如Unix，移植到其它嵌入式操作系统，例如Palm OS, HOPEN等；考虑TTS技术的硬件实现。
- 将TTS技术和其它各种新技术相结合，并在更为广泛的范围内推广和应用TTS技术。 捷通华声TTS技术可以普遍应用在计算机和通讯领域的许多方面。捷通华声公司将努力成为一个TTS核心技术的供应商，并在下列领域广泛应用TTS技术，进一步为TTS技术的应用做出自己的贡献。
二、 捷通华声TTS技术（jTTS）在CTI领域中的应用
捷通华声TTS技术在CTI行业中的应用提供三种解决方案：本地接口调用方案、语音服务器方案、离线合成方案。
1. 捷通华声TTS本地接口调用方案（jTTS SDK）
方案概论：
本地接口调用方案提供捷通华声TTS开发工具包（jTTS-SDK）可使用户在其开发的系统中加入语音合成的功能。jTTS-SDK是基于Win32（32位Windows环境，包括Windows95/98/2000/NT）平台下的开发工具包，因此这种方案要求使用方的声讯服务系统所运行的是32
位Windows环境的服务器，并且需要对使用方系统进行部分程序的改造。该方案适用于要求使用方具有二次开发能力的集成和应用商。
本地接口调用方案架构图
2. 捷通华声TTS语音服务器方案 （jTTS Service ）
方案概论：
语音服务器方案直接提供装载有捷通华声TTS语音服务系统的高性能的服务器，它与现有的声讯服务相平行，接受其指令和文字数据流，合成产生语音数据流返给原系统，适用于电信、大型企业CTI系统及声讯台改造、升级。
语音服务器方案架构图
技术优势：
1. 降低了客户端机器的配置需求。
2. 通过TCP/IP协议实现了跨操作系统的语音合成服务功能，可以满足非Win32平台的需求。
3. 对于服务规模较大的系统可实现语音服务器的分布式工作方式，对客户端的请求自动调度，平衡负载，以达到更高的性能。
应用领域：
采用语音服务器方案可在不改变现有服务系统的条件下，平行地建立捷通华声TTS语音服务器，安全、高效率地将原来的文本服务扩大为文本-语音同时服务，是大型、专业级的语音服务解决方案，并可跨平台实现。捷通华声TTS语音服务器方案可服务于160、168等声讯台、UMS统一信息服务系统、呼叫中心、语音邮件商、WAP网站、进行网上播音的.com公司等。
3. 捷通华声TTS离线合成方案（jTTS Builder）
方案概论：
捷通华声TTS离线合成方案提供离线合成工具，这是基于Microsoft Windows 95/98/NT/2000的独立应用程序，可提供离线的语音合成服务，批量地将文字转换为语音数据文件，适用于海量信息、相对稳定或不要求实时转化的声讯服务场合，可以直接替代传统的录音方法，对原有系统完全无需改造，节省人力，提高效率。
离线合成方案系统架构图
三、 捷通华声TTS（jTTS）在嵌入式操作系统下的应用
捷通华声公司的TTS技术与其他文语转换系统相比具有独特的音库压缩特点，使捷通华声TTS技术向嵌入式操作系统的移植（尤其是向PDA上的移植）具备先决条件。据市场调研及考证：捷通华声公司是目前最早掌握该技术，及最先提出在掌上电脑应用该技术的公司。该系统在2001年中关村电脑节上荣获十大"IT创新产品"。
捷通华声TTS技术，以大规模真实录音的语音库为基础，增加音库压缩算法和音色变换算法形成核心技术。此核心技术与国内其他文语转换技术相比较，具有如下特点：
· 系统输出语音清晰度高。
· 系统输出可懂度高。
· 输出自然度基本与人正常说话持平。
· 音库大小可缩扩，小音库仅为1MB。
正是因为捷通华声TTS具有以上的特点，使得捷通华声公司的TTS技术可以向嵌入式操作系统移植。特别是小音库的特点，使得在嵌入式操作系统下不会占用太大的资源。
详细方案请参照捷通TTS在掌上电脑、信息家电等领域的解决方案
四、 捷通华声TTS（jTTS）在语音网站中的应用
公司将捷通华声TTS技术和流媒体(Streaming Media)技术相结合，开发设计了专门针对语音网站的全面技术解决方案，并在国内率先推出了首家有声网站，为网站的"有声化"开创了先河。语音网站技术的推出，将使网站变得更加有声有色，吸引更多网络爱好者，使网络更加贴近广大用户的生活。捷通华声TTS技术在网站有声化方面，具有极广泛的应用前景，特别适合用于为网民提供新闻、财经、生活、文艺、
体育等各类有声的信息服务。
详细方案请参照捷通华声语音网站解决方案
五、 捷通华声TTS（jTTS）在桌面产品中的应用
利用捷通华声TTS技术可开发办公、教学、娱乐等智能多媒体应用软件，使这些软件增加了"说"的功能，丰富软件的内涵。目前公司利用TTS开发应用软件产品有："录易汉语智能输入输出系统"、"捷通听霸"。在"录易汉语智能输入输出系统"中利用TTS做为智能输入后的语音校对，是国内第一家将TTS技术与智能输入技术相结合的厂商。在"捷通听霸"软件中利用语音合成技术实现了阅读电子文档、键盘输入时的即时语音校对、语音闹钟、卡通角色说话的功能。
应用案例请参考《捷通听霸TB 3000》产品介绍
六、 成功案例
捷通华声TTS技术自推出以来，已成功地在电信、证券等行业中得到了广泛的应用，并已进入台湾市场，其中典型的案例包括：
· 铁通－中铁综合信息服务网（CRIS－China Railway Information System）
· 赛迪呼叫中心
· 博时基金客户服务中心
· 台湾中华电信呼叫中心
· 天津移动呼叫中心
· 大连国泰君安证券平台系统
· 大连大开信证券平台系统
· 深圳市政府纪委电话咨询系统
· 福建省179平台
· 美国奥维平台系统
·
·
·
|
