[發明專利]一種嵌入式平臺語音合成系統及其方法

無效

• 申請號: 200710098522.X
• 申請日: 2007-04-19
• 公開（公告）號: CN101114446A
• 公開（公告）日: 2008-01-30
• 發明（設計）人: 徐磊
• 申請（專利權）人: 北京中星微電子有限公司
• 主分類號: G10L13/04
• 分類號: G10L13/04
• 代理公司: 北京律誠同業知識產權代理有限公司
• 代理人: 陳紅;梁揮

技術領域

本發明涉及語音合成領域，尤其是涉及語音合成領域中的一種嵌入式平臺語音合成系統及其方法，其有利于消除語音合成系統移植到嵌入式平臺上出現的不連續現象。

背景技術

語音合成系統是一種文語轉化(Text?To?Speech，TTS)系統，是自動將輸入文字轉換成語音輸出，并盡量使輸出的語音流暢、自然的一種技術。近年來漢語語音合成技術取得了突飛猛進的發展，合成語音的可懂度和自然度都有了較大提高，基于TTS技術的語音對話系統、語音呼叫中心、語音觸發的網站和電子郵件等業務已進入市場使用階段。這些已經較為成熟的運用于商業的語音合成系統，都采用了波形拼接的技術，因此，它們有一些共同的特點。

圖1為現有技術中的語音合成系統的結構圖，如圖1所示，現有的語音合成系統大致由兩部分組成：算法庫和語音庫。算法庫用于將文字轉換成為語音庫中目標語音的地址，并從語音庫中讀取目標語音，然后再對目標語音進行解碼、拼接、平滑等操作后得到合成的語音，最后按“幀”輸出所合成的語音；語音庫用于存儲目標語音的地址以及目標語音。所輸入文本的國標碼(GB碼)由串口送入，通過調用算法庫中的函數，將GB碼映射為語音庫地址表中對應項的目標語音的地址，然后根據此地址取得對應項中的命令字，由算法庫根據該命令字，在語音庫語音數據區讀取所對應的語音數據，然后由算法庫提供數據解碼、連接和平滑等操作后，將語音輸出，然后按照語音采樣時的固定速率通過D/A轉換和功率放大播放。

而如何在手持移動終端、車載多媒體設備等嵌入式平臺上實現文語轉化，成為TTS系統一個重要的發展方向。目前，語音合成系統一般采用波形拼接的合成模式。相較參數合成和聲道模型參數合成，這種模式在合成清晰度和自然度方面有明顯改善，音質也有很大提高，但這是以大規模的語料庫和復雜的搜索算法為代價的。

在嵌入式環境下實現TTS系統，有限的資源成為制約語音合成質量的決定性因素。為了滿足實時合成出可懂的較自然的語音，各TTS系統均對大規模語料庫進行了裁減，以降低對存儲資源和搜索算法復雜度的要求。這在很大程度上緩解了兩者之間的矛盾，但是對很多嵌入式系統來說，實現實時的語音合成功能仍然存在較大困難，合成語音經常會出現不連續、有噪音漏字等現象。這就需要我們在實現過程中進行有效的設計，以規避和隱藏這些影響合成質量的現象。

對于語音合成系統，通過優化，其算法庫的算法復雜度可遠低于嵌入式平臺的處理能力，這為在嵌入式平臺下實現語音合成系統提供了保證。但是巨大的語音庫和有限的嵌入式平臺片內存儲資源形成了沖突。為了解決這一矛盾，各語音合成系統都在盡量保證語音質量的前提下，對語音庫進行了裁減。這大大降低了語音庫的體積，但是，相對于片內存儲器而言，語音庫仍遠大于了它們的容量。所以在實現TTS系統的過程中，我們不得不將語音庫置于片外閃存(FLASH)中，需要對其進行操作時，嵌入式平臺的語音合成系統訪問片外的FLASH獲取數據。為了提高對FLASH的訪問速度，設置了高速緩充存儲器(cache)，處理器優先從cache中尋找目標數據。由于對FLASH上的語音庫操作的不連續性及隨機性，會導致高速緩沖存儲器失誤(cache?miss)，即cache中不存在需要的數據。這樣，就必須先從FLASH中將數據導入cache，然后再供嵌入式平臺訪問。因此，頻繁的訪問FLASH容易造成某些語音幀的合成時間特別的長。表1為語音合成系統在嵌入式平臺下的合成時間測試結果(該測試僅針對合成效率而做，即合成出的語音數據不作記錄)。

表1：嵌入式平臺下語音合成系統測試結果