[發明專利]實現從文本到語音TTS的音頻轉碼方法、裝置及系統

有效

• 申請號: 201110169703.3
• 申請日: 2011-06-22
• 公開（公告）號: CN102231734B
• 公開（公告）日: 2017-10-03
• 發明（設計）人: 張閩;張偉;劉澍
• 申請（專利權）人: 南京中興新軟件有限責任公司
• 主分類號: H04L29/06
• 分類號: H04L29/06
• 代理公司: 北京康信知識產權代理有限責任公司11240
• 代理人: 余剛,梁麗超

技術領域

本發明涉及通信領域，具體而言，尤其涉及一種實現從文本到語音TTS的音頻轉碼方法、裝置及系統。

背景技術

媒體服務器用于所有與音視頻相關的媒體處理，包括視頻和音頻RTP數據流到視音頻文件的相互轉換。同時，也負責接收用戶通過終端的DTMF輸入、播放業務的引導語音、顯示動態的引導畫面。它具有的SIP協議和MSML/MOML能力使得其能在應用服務器APP的控制下完成整個會話過程的與用戶的交互。

媒體控制單元(MSCU)是媒體服務器中的一個重要單元，主要完成與其他實體進行能力協商，提供資源本身的管理、維護以及控制其它業務資源單元完成復雜業務的功能。

媒體存儲傳輸音頻單元(MSTU-audio)是媒體服務器中的業務資源單元，完成海量的音頻數據存儲，包括實現音頻文件播放功能。媒體存儲單元上有對外網口，可以直接通過單元上的對外網口收發。

媒體存儲傳輸視頻單元(MSTU-video)是媒體服務器中的業務資源單元，完成海量的多媒體音視頻數據存儲，包括實現視頻文件播放功能。媒體存儲單元上有對外網口，可以直接通過單元上的對外網口收發。

現在，媒體服務器播的使用很廣。主要可以歸納為音視頻播放，收號和會議等功能。

從文本到語音(Text To Speech，簡稱為TTS)的功能是將輸入的文本信息識別出來，轉化為語音信息，將語音媒體發送給用戶。目前在電信領域，TTS的應用基本是配置一個專門的TTS服務器，通過信令指定TTS將語音發送到用戶端來完成一次業務。

圖1是根據相關技術的實現TTS音頻轉碼的系統結構示意圖。如圖1所示，該系統的工作流程包括如下步驟：

步驟101：終端發起一次呼叫，激活APP的業務。APP向媒體服務器發起業務流程；

步驟102：APP通過SIP信令向媒體服務器請求TTS業務；

步驟103：媒體服務器通過SIP信令向TTS服務器請求TTS資源，并通過MRCP協議控制TTS服務器完成業務功能；

步驟104：TTS服務器向終端發送媒體

以上便是目前典型的組網和業務流程。TTS服務器作為媒體服務器的外置設備使用。APP在請求業務的時候只是向媒體服務器發起，媒體服務器判斷業務類型，當業務類型為TTS應用時，媒體服務器再向TTS服務器發起請求，申請資源，并控制TTS服務器的行為，TTS服務器在收到信令后自動將媒體發送給遠方的終端。

以上流程能完成一個基本的TTS業務。不過隨著業務的應用的擴展出現了一些問題。比如，TTS服務器的音頻能力集同媒體服務器能力集不匹配的問題，造成業務失敗。因為APP在同媒體服務器協議SDP的時候，媒體服務器并不知道業務類型是否是TTS，所以會按照自己的能力范圍同終端協商音頻參數。當APP向媒體服務器下發INFO指令時，媒體服務器才能識別出TTS業務類型，此時媒體服務器通過終端SDP信息向TTS服務器申請資源。如果TTS服務器的音頻能力范圍不滿足媒體服務器同終端協商出的結果，就是造成業務失敗。比如：媒體服務器同終端協商出編解碼類型為G726格式，但是TTS服務器只支持G711的音頻格式。。

針對上述現有技術中在TTS服務器的音頻能力集無法滿足媒體服務器的業務需求的情況下，終端訪問媒體業務數據包數據失敗的問題，目前還沒有有效的解決方案。

發明內容

本發明的主要目的在于提供一種實現從文本到語音TTS的音頻轉碼方法、裝置及系統，以解決現有技術中在TTS服務器的音頻能力集無法滿足媒體服務器的業務需求的情況下，終端訪問媒體業務數據包數據失敗的問題。

為了實現上述目的，根據本發明的一方面，提供了一種實現從文本到語音TTS的音頻轉碼方法。

根據本發明的實現TTS音頻轉碼的方法包括：媒體服務器接收來自應用服務器APP的訪問請求，并確定媒體服務器支持的編解碼類型集；媒體服務器接收APP申請的TTS業務請求，并根據TTS業務類型向TTS服務器申請滿足該業務類型的媒體業務數據包；媒體服務器根據編解碼類型集與TTS服務器進行協商，以獲取協商后的音頻編解碼類型，并按照音頻編解碼類型將媒體業務數據包轉碼后發送至終端。