开源TTS语音合成和处理合集整理.docx

开源TTS/语音合成和处理工具1.eSpeak-ChineseeSpeak-Chinese是一个TTS软件。它是基于Jonathan Duddington 的eSpeak，由于中文词典太大，eSpeak缺省并不带中文词典，需另外下载。发布eSpeak-Chinese只是为了方便用户安装。国语支持的主要贡献者： Kyle Wang （waxaca at 163.com) 创建了最初的字典，规则和声音文件。 Silas S. Brown (http:/people.pwf.cam.ac.uk/ssb22/) - 改进词典(加入CEDICT等). 粤语支持的主要贡献者: 黄冠能 - 创建了粤语字典，简易的规则和声音文件。 eSpeak-Chinese是eGuideDog项目的重要组成部分。另一个中文TTS(余音)在开发中。它在设计上更简易但文件较大。由于使用了真人发声，它比eSpeak的声音更自然。目前它只支持粤语。2.FliteFlite是一个小型、快速的TTS系统，是著名的语音合成系统festival的c版本。可用于嵌入式系统3.FreeTTSFreeTTS 是完全采用 Java 开发的语音合成系统，它是卡内基梅隆大学基于 Flite 这个小型的语音合成引擎开发的。FreeTTS是一个语音合成系统写的JavaTM编程语言完全。它是根据Flite公司：一个小运行时语音合成引擎卡内基梅隆大学的发展。弗莱特来源于节语音合成系统，从爱丁堡大学和卡内基梅隆大学的festvox项目。这种FreeTTS版本包括：*核心语音合成引擎*支持的多寡：邻一8kHz的双音子，男，美国英语语音办公16KHz的双音子，男，美国英语语音办公16KHz的有限域，男*美国英语语音的festvox的进口（美国英语的声音只）*对进口的festvox（仅限美式英文）*支持工具中央结算系统的MBROLA北极的具体支持，支持的声音声音（单独下载）：办公自动化16KHz的女性，美国英语语音O 2个16KHz的男性声音*美国英语为JSAPI 1.0 *广泛的API文档部分支持*几个演示应用4.eSpeakeSpeak是一个紧凑的开放源码软件的语音合成器为英语和其他语言，为Linux和Windows 。eSpeak生产高质量的英语演讲。 它使用了不同的合成方法从其他开源语音合成引擎，和声音完全不同。 这也许不是作为自然人或“平稳” ，但我觉得发音更清晰，更容易听很长时间。它可以运行命令行程序发言的文本文件或从标准输入。 一个共享库的版本也已推出。 包括不同的声音，其特点可以改变。 能产生语音输出为WAV文件。 SSML （语音合成标记语言）的支持（未完成） ，并使用HTML 。 该计划及其数据，其中包括数种语言，总计约700千字节。 可以把文字，音素代码，所以它能够适应作为一个前端另一个语音合成引擎。 潜在的其他语言。 一些包含在不同阶段所取得的进展。 帮助母语为这些或其他语言的欢迎。 开发工具可用于生产和调整音素数据。 写在C + + Windows版本 目前的Windows SAPI5和命令行版本的eSpeak 。 SAPI5版本的可以使用屏幕阅读器，如完，颌骨，超新星，以及窗的眼睛。它们可以作为一个Windows安装程序包该eSpeak语音合成器支持几种语言，但在大多数情况下，这些都是初稿，并需要更多的工作来改善。 援助的母语是值得欢迎的这些或其他新的语言。 请与我联系如果你想帮助。eSpeak没有文字，语音合成的语言，一些比别人做得更好。南 非荷兰语，粤语，克罗地亚语，捷克语，荷兰语，英语，世界语，芬兰语，法语，德语，希腊语，印地语，匈牙利语，冰岛语，意大利语， Lojban ，马其顿语，普通话，挪威语，波兰语，葡萄牙语，罗马尼亚语，俄语，塞尔维亚语，斯洛伐克语，西班牙语，斯瓦希里语，瑞典，越南，威尔士。5.OpenVXIOpenVXI 提供的是完整的 VXML 解析服务，同时也提供了有限语言的 TTS 支持。Voice eXtensible Markup Language（简称 VXML）是被用来创建语音对话系统，可以调用语音合成以及语音识别服务，可以用来记录语音录入和连接电话系统。创建 VXML 语音的主要目的就是用 Web 开发的理念来开发交互式的语音应用。VXML 提供了基于 Menu 和基于 Form 的两套框架，整合了语音识别和语音合成两个关键服务，使得语音应用的开发变得更为方便和快捷。VXML 和普通的标记语言一样，需要有浏览器进行解析；还需要提供语音识别和语音合成服务的应用服务器；有时也需要有 http 服务器提供文档服务；当然，如果需要与电话系统相连，就必须加上 VOIP （网络电话）的支持。如下图所示的就是 VXML 的运行环境：图 1. VXML 运行环境一个企业级应用的系统框架IVR (interactive voice-response services) 也就是自动应答服务，是使用 VXML 的典型企业级应用。IVR 和使用者通过电话，按键 (DTMF) 互动，如语音订票，语音查询，语音投票等。普通的 IVR 都是支持 VXML 的解析和提供了 sip 协议的支持，通过和 ASR ( 语音识别 ) 应用服务器以及 TTS( 语音合成 ) 应用服务器的集成，可以实现几乎所有的 VXML 封装的操作。企业级的 VXML 应用需要如下的体系结构，以使用 IBM Voice Server (WVS) 为例：图 2. 一个 VXML 具体应用的例子上图中的 IVR 事实上就是 VXML 解析器，通过解析 VXML，分发相应的工作给 WVS ，实现 VXML 封装的语音识别和语音合成的功能。6.FestivalFestival 是 Linux 下的一个语音合成软件使用方法： $ festival -tts letter.txt$ festivalfestival (SayText Greetings from )$festival (tts myfile.txt)在线演示：http:/www.cstr.ed.ac.uk/projects/festival/onlinedemo.html7.MBROLAMBROLA 是一个 TTS 引擎，旨在尽可能的提供各种语言的语音合成器，这些语言在其首页上都有说明。8.AstLinuxAstLinux 是一个定制的Linux发行版，主要是围绕这 asterisk 这个语音交换软件定制的。9.HTS (HMM-based Speech Synthesis System)HTS (HMM-based Speech Synthesis System)是一个语音合成系统阅读 HTS 所使用的技术和算法，请看：http:/hts.sp.nitech.ac.jp/?Publications10.Festvox Festvox 是卡内基梅隆大学语音项目组开发的语音合成系统11.Speak It阅读的书页或选定文本使用微软语音合成引擎.12.语音识别系统 SimonSimon 是一个开源的语音识别系统，它不仅可以输入文字，而且可以代替键盘、鼠标操作电脑。Simon 基于 Qt 用 C+ 开发，因为某些支持库与 KDE 相同，所以可完美的集成到 KDE 4 中。除 KDE 之外，Simon 也可在 GNOME、Xfce、及其他 X11 环境下运行。13.语音合成引擎 gnuspeechGnuspeech是一个可扩展的语音合成实现包的基础上，实时，发音，语音合成按规则。也就是说，它转换成语音的描述文本字符串，由一个发音辞典，信中对声音的规则，节奏和语调模型资助;参数转换成一个低级别的发音合成的语音说明，以及利用这些驱动发音模型的制作人声是正常的声音输出的GNU / Linux的设备输出合适的道14.语音合成引擎 EposEpos 是一个跟语言本身无关的规则驱动的语音合成系统，主要作科研用途在线演示：http:/epos.ure.cas.cz/cgi-bin/saye.cgi?lang=czech15