捷通华声语音网站解决方案
2001/11/16
1.1 背景和现状
随着互联网的发展，网络的硬件设备的容量和技术水平在不断提高，网络带宽正在持续快速增长和放大；在软件方面，流媒体、语音合成等技术也日臻成熟。互联网硬件水平和软件技术的相互作用，为语音、图形图象、动态影像等大容量数据在互联网上的传送提供了可能。
近年来，一些语音网站纷纷开通，其中比较著名是2000年4月18日在英国诞生的全球首位互联网虚拟主持人：安娜诺娃（Ananova，www.ananova.com）。从技术角度分析，安娜诺娃的实现，基于三项主要的技术，即数字动画技术、语音合成技术和流媒体技术。数字动画技术可以为安娜诺娃创建人类的表情，语音合成技术可以将新闻的内容合成为人类的语言，流媒体技术可以使用户在线收看、收听安娜诺娃所播报的新闻。
在中国，也先后出现了类似的网站，诸如香港一家电视台的“Icy”， 51Go网站的“GoGirl”和天津电视台的“言东方”等等。
但是，以上这些以汉语为信息载体的虚拟主持人（语音网站）或者没有实现语音方式，或者声音全部是用人工提前录音的方式录制的，没有实现用计算机进行实时动态合成。
1.2 捷通华声语音网站方案解决的技术问题
1.3解决方案之一：jTTS—Service语音服务器方案
语音服务器－IIS服务器－浏览器
语音服务器方案是指利用捷通华声在CTI领域成熟应用的jTTS Service语音服务器，增加一台或多台语音服务器到现有的IIS服务系统的网络环境中；在IIS服务器中，增加访问语音服务器的功能。当IIS服务器需要流媒体输出时，向语音服务器发出请求，语音服务器接受IIS服务器的请求，并对请求的数据进行合成、格式转换，得到流媒体后返回给IIS服务器，IIS服务器再将此流媒体传输给用户。
（1） jTTS Service
（2）ASP（用于响应Web页面请求、播放的脚本程序、ASP程序）
在本方案中，语音服务器是构建语音网站的后台。jTTS Service将处于监听某一TCP/IP端口状态，响应来自IIS服务器的多用户请求。而IIS服务器则增加通过TCP/IP请求服务器和接受服务器返回数据的程序，来完成流媒体获得的功能。
浏览器端（Explorer）发出浏览请求，网站服务器（IIS）根据请求查找流媒体（音频流）文件，如有，则将流媒体返回客户端，并启动客户端的MS media player播放流媒体。若没有，则向语音服务器（jTTS Service）发出合成请求，并将所需合成的文本通过Socket接口传送至语音服务器；语音服务器响应网站服务器的合成请求后，将调用jTTS合成技术进行语音合成，并调用WMF SDK将生成的音频文件转换成流媒体格式ASF；通过Socket接口返回IIS服务器端后，将此流媒体文件存储到指定的Web目录，同时将流媒体返回浏览器端，启动MS media player播放。其流程如下：
（1）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。
（2）适用于访问量大(同时60线程及以上并发合成)的门户网站或提供虚拟主机的IDC、ASP。
（3） 对现有的IIS服务系统不产生影响，也无需硬件升级，只需在IIS服务器上安装客户端软件。
（4）投入少、实现简单，只需增加一台或多台语音服务器（视服务量大小，建议配置：PIII550 128M 10G以上）到现有的IIS服务系统的网络环境中。
1．服务器端
语音服务器：
（1）一台或多台语音服务器（视服务量大小建议配置：PIII550 128M 10G以上）。
（2）NT4.0、SP4及以上、WMF SDK4.0及以上或Windows 2000、WMF SDK4.0及以上。
（3）jTTS Service（捷通华声TTS服务器）服务器端软件。
IIS服务器：
（1）jTTS Service （捷通华声TTS服务器）客户端软件。
2．Web页面端
（1）加入传播参数的脚本，加入调用播放器的脚本文件(mediaplayer.asp)。
（2）加入播放参数（播放文件标志、播放引擎）。
1.4解决方案之二：jTTS－Web Service Pack语音网站服务包方案
语音网站服务包+IIS服务器－浏览器
与语音服务器方案不同的是，语音网站服务包方案不添加语音服务器，而是在IIS服务器中安装捷通华声语音网站服务包，从而构成集网站服务器（IIS）、语音服务器（TTS）于一身的语音网站服务器。其工作方式与语音服务器方案大致相同。当IIS服务器响应浏览器请求需要流媒体输出时，通过内部COM控件向底层的jTTS发出请求，jTTS依据COM所传递的参数，对请求的数据进行合成、格式转换后，直接将此流媒体传输给客户端的浏览器。
（1）COM控件（TTSPlayer.dll，用于链接Web脚本和TTS合成引擎jTTS_ma.dll的动态链接程序）
（2）jTTS SDK
在语音网站服务器中，语音服务器位于系统的底层，其作用是响应来自IIS服务器的请求服务，来完成流媒体的生成。
浏览器端（Explorer）发出浏览请求时，加在Web页面的服务器端ASP程序和脚本程序自动响应，根据请求查找流媒体（音频流）文件，如有，则将流媒体返回客户端，并启动客户端的MS media player播放流媒体。若没有，则向通过COM控件(TTSPlayer.dll)的传递函数向COM传递参数，并发送合成请求；COM控件根据参数和请求调用捷通华声语音合成系统jTTS(jTTS_ma.dll)生成Wave格式的音频文件，并返回给COM控件；COM控件得到之后再调用WMF SDK将所生成的音频文件转换成流媒体格式ASF，在保存到指定目录后开始将此流媒体返回客户端，启动MS media player播放。其流程如下：
（1）投入少，实现简单，不需增加任何硬件设备，性价比高。
（2）适用于访问量不大（同时60线程左右并发合成）的企业、机关及各类网站或提供虚拟主机服务的IDC、ASP。
（3）对现有的IIS服务系统影响小，需在IIS服务器上安装jTTS－Web Service Pack软件。
1．服务器端
对IIS服务器的要求是SP4及以上，增加以下组件
jTTS SDK2.1、添加并注册COM控件（TTSPlayer.dll）、WMF SDK4.0及以上。
2．Web页面端
（1）加入传播参数的脚本，加入调用播放器的脚本文件(mediaplayer.asp)。
（2） 加入播放参数（播放文件标志、播放引擎）。
捷通华声供稿 CTI论坛编辑
| 捷通华声发布jASR5.5 ASR价格面前将无怯步 2008-04-16 |
| 捷通华声TTS成功登陆中国邮政储蓄银行 2008-04-03 |
| 捷通华声 jTTS 5.5 全面支持 MRCPv2标准 2008-03-31 |
| 捷通华声移动导航HCI解决方案广受青睐 2008-03-26 |
| 身边的“智能”生活 2007-12-28 |