文语转化系统TTS建议书.doc

目目 录录 1 1、引言、引言 .4 4 1.1 背景说明 .4 12 项目说明 .5 13 参考资料 .5 1.4 词语及缩写.5 15 建设目标.5 2 2、系系统统总总体体概概述述.6 6 2.1 系统概述.6 22 系统功能 .8 221 文本转语音 .8 222 多种数据库访问.8 223 多种语音平台互联.9 224 高效管理 .9 23 系统结构.11 3 3、系统功能、系统功能 .1111 31 数据查询与数据组织 .11 32 文语转换和语音文件生成 .12 33 TTS处理功能 .12 34应用编程接口 .13 4TTS应用特性 .14 5 5、可开放的业务市场、可开放的业务市场 .1616 51 按照行业划分 .16 52 按照业务划分为：.16 6 6、系统配置、系统配置 .1616 61处理单元的配置计算 .16 62存贮总容量的计算方法： .17 7.7. 设备配置和报价清单（人民币元）设备配置和报价清单（人民币元） .1818 8 8结束语结束语 .1919 附件：附件： .2020 1、引言 1.11.1 背景说明背景说明 数字化信息以及传播数字化信息的网络（特别是 Internet）正在 改变人们的生活方式和工作方式。众所周知，通过信息网络，用户可 以获得非常丰富的信息，可以享受到丰富的信息服务，可以自由地寻 找任何自己感兴趣的信息。任何一个获取数字化信息的产品、提供数 字化信息的服务和传播数字化信息的媒介都因此变得越来越重要。信 息服务在作为第三产业发展最快的行业之一，因其包含极丰富的信息 以及方便快捷的信息查找而被全世界认同，并得到了迅猛的发展。为 了利用现有的可以进入千家万户的电话网络作为信息查询的终端，将 大量的数据库文件和文本文件自动转化成语音文件，提供更为广泛的 信息咨询服内容。 电话访问 WEB 站点和 E-MAIL 信息是一个面向大众提供企（事）业 单位基本信息的大型资料库，其内容十分丰富，用户可以通过多种方 式查询到感兴趣单位的信息，是企业面向市场、面向大众提供优质服 务的增值服务。 电话查询 WEB 信息和 E-MAIL 信息只能通过 168 台进行，所以对大 部分企业用户来讲，文本资料要首先录制成语音文件，然后才能提供 服务，效率低、存储空间大，维护十分复杂，扩充困难。在此前提下， 如果使用全中文的自动文语转化系统，可以实时地将文本文件连续地 通过语音卡向用户提供语音信息。用户可以十分方便且快捷地查询到 自己感兴趣的信息，从而实现信息的价值。 由于文语转化系统提供了实时转化的功能，不仅节省了语音文件 的空间 1000 多倍，而且解决了一些无法进行实时录音的功能，减轻 了工作量，提高了实时性（信息的时效性） 。 1 12 2 项目说明项目说明 本项目名称为“TTSTTS系统（产品）项目开发” ，所要开发完成的系 统名称为“TTSTTS系统（产品） ” 。 1 13 3 参考资料参考资料 1)TTSTTS产品的产品可行性分析TTSTTS产品组。 2)语音编码与文语转化关键技术研究TTSTTS产品组。 1.41.4 词语及缩写词语及缩写 TTSTTS - TEXT TO SPEECH 1 15 5 建设目标建设目标 系统是一个完整的平台，可以支持多种数据库和文本文件的同时 访问，可以与 160、163、168、169 等网络进行互联。系统能提供集 中式的文语转换功能、全文检索功能、格式转化功能，数据库访问功 能、以及二次开发功能等。 首期提供以下功能： 1、168 读取 E-MAIL 详细信息功能，并能语音回复功能 2、168 听取股票行情及趋势分析预测功能 3、168 自动播放动态信息功能（如天气预报、节目预告、动态航班 等） 4、168 听取其他数据库功能，如 114 反查询、法人信息查询等 5、专项应用系统，如游戏节目中的自动语音提示等 6、168 听取 HTML 页面信息等。 2、系统总体概述 2.12.1 系统概述系统概述 所谓文语转换技术（Text-to-Speech，简称TTSTTS）指的是计算机自 动地把给定的文本信息转换成语音的过程。文语转换是复杂的语音处 理技术，是涉及语音学、语言学、数字信号处理和计算机科学等领域 的多学科综合性技术。文语转换技术把可视的文本信息转换为可闻的 声音信息，其应用范围非常之广，如文本的有声校对，残疾人的辅助 发音，报纸的机器阅读，机器翻译等等。因此，文语转换技术，作为 一项理论性和实用性都很强的技术，倍受重视，在近十几年内得到了 迅速发展，目前已接近达到了实用化的水平，并在市场上获得成功。 TTSTTS技术和理论在不停地发展，其核心是如何提高合成语音的清 晰度和自然度，以及文本处理的智能特性。另一方面， TTSTTS技术的应 用也在不断深化，从计算机终端应用，如编辑文本的校对，发展到通 信网环境。 众所周知，通信网是不同媒体信息存储、交换、传输的载体和工 具，由于网络的覆盖面非常广阔，所以，借助于TTSTTS技术，把文本信 息转化为语音信号，在电信网传播，使用户利用电话终端就可以听取 文本所携带的信息，对通信业务经营者和广大用户而言，都是很必要 的。例如，传统的 160，168 等信息服务业务都是用人的录音或业务 员来应答用户的信息查询，信息的维护不方便，影响服务质量。传统 的电子信函（E-mail）业务，都是利用计算机终端来接收的。如果能 够利用更普及的电话终端来“听一听” （而不局限在利用计算机的屏 幕来“看一看” ）发信人说的是什么，该是多么地生动和方便！另外， 对于数据库存取业务而言，如邮电、银行、税务的智能网业务标准里 甚至把TTSTTS技术和 ASR 技术（自动语音识别）列为标准。 在通信网环境里， TTSTTS技术不但对技术开发商很重要，对业务运 营方也同样如此。传统的计算机语音集成应用系统，消息的组织和维 护都是由人来完成的，工作繁琐，维护不便，占用存储资源多（以语 音的 ADPCM 编码为例，一秒的语音需 4K 字节的存储，而以人说话速 度为 5 字/秒来计算，采用TTSTTS技术只需 10 个字节） 。 正因为这些原因，众多厂商和研究机构积极开展通信网环境下 的TTSTTS技术的研究和开发，包括美国的 Lucent、 Dialogic、 Centigram， VCS 和 Lernaut & Hauspie 等公司。 TTSTTS是一个专业级的中文（中/英文）全文检索系统，检索功能与 检索效率与国内外的软件相等，TTSTTS所处理的资料以文本文件的资料 为主，对资料库的定义与定位与国内外的知名的资料库检索系统相似， 所以功能十分强大。TTSTTS是中国人根据自己的语音特色和规律开发出 来的，其发音的准确率和阅读的易懂性已经达到商业化。在TTSTTS核心 技术的基础上，我们增加了全文检索功能、数据库访问功能、E-MAIL 读取功能和详细的档案管理功能等，使之成为平台，用户可以在平台 的基础上，十分简单地增加新的业务，将新的服务轻松地在平台上得 以实现。二次开发的时间很短，开发效率的提高是看得见的。 由此可见，文语转换，作为一项新兴技术，把它嵌入在通信网 环境，对于开展增值业务，更新传统业务的实现方式，都很必要。 2 22 2 系统功能系统功能 产品系统主要提供文本文件实时转换为语音文件格式，提供给语 音卡放音。同时提供各种数据库的数据访问接口、与现有语音系统的 连接接口、高效的语音格式转化等功能。 系统由于采用了纯软件TTSTTS的解决方案，所以在价格低廉、功能 齐全、扩充容易、维护简单等特点。每台处理机可以同时处理 16 路 语音的文语转化，并可以简单地升级和积木式扩容。 文语转化提供的最终语音文件是目前我国最佳的语音方案之一， 具有国际 90 年代先进水平的语音编码技术，可以保证播放质量和播 放效果。文本识别率、多音多义分析等功能均达到了实用的水平，并 已经实际投入商用。 基本功能具有 4 大功能： 221 文本转语音 主要提供将文本文件实时地转换成标准的语音文件，送到语音 平台指定的目录下，由语音平台按照文本对应的语音文件进行放音。 由于采用大量的预处理功能，使得文语转换后的语音文件能够容易被 人所听懂，且避免了大量语音文件的占用空间。 222 多种数据库访问 通过与 WEB-HTML、E-MAIL、DBF、BETRIEVE、SQL SERVER、SYBASE、ORACLE、INFORMIX、EXCEL 等数据的实时相连，可 以快速从数据库中将所需要的文件转化成文本文件，然后送给文语转 换处理。 223 多种语音平台互联 通过与中国使用的语音平台 （SUNTEK、BICOM、BST、IVS、QIAOXING 。 。 。 ）相联，将用户的请求 转化为文本，同时将文本转化成对应格式的语音文件，然后交给语音 平台进行语音放音等，实现相应的功能。 224 高效管理 通过一些特殊的处理，使得整个系统的功能得到了优化，整体处 理速度得到提高，同时具有完善的信息服务功能和管理功能。 1.专业级检索功能 168 语音服务平台语音服务平台 查询信息 查询信息 查询信息 TTS 生成标准语音文件 向用户播放相关的语音信息 LAN 连接连接 数据库数据库 PSTN 连接连接 电话用户 图 1. 基于 TTS 的语音服务体系 1 2 3 4 5 6 2 23 3 系统结构系统结构 建立一套由数据库查询、数据组织、文语转化、语音文件生成等 服务构成的原型系统。运行系统包括上述 4 个组成部分。在实际工作 中，可以在一台 NT 上运行。 一台 NT 可以同时服务 16 个用户的文语转化，以一个声讯系统同 时 20%的通道使用TTSTTS的功能，则可以服务 3 个 E1（90 线）规模的系 统。 3、系统功能 3 31 1 数据查询与数据组织数据查询与数据组织 主要提供四个功能： 语音工作站 1、实时访问语音服务系统的数据库，取得访问的数据资料； 2、根据取得的请求，向指定的数据库进行访问，取得相关的文本信 息； 3、将文本信息编码后放入流水库中，检查是否存在同样的语音文件。 4、如果没有对应的文本语音，则将文本送交文语转换软件模块，如 果有对应的文本文件，则直接将文语语音送指定位置。 3 32 2 文语转换和语音文件生成文语转换和语音文件生成 通过专门设计的文语转换系统，实现将文本文件自动转化成标准 的语音文件。语音文件可以按照用户规定的格式进行自动转换。同时 将生成的语音文件发送到指定的目录下。提供给语音服务系统的放音。 3 33 3 TTSTTS处理功能处理功能 目前 DIALOGIC 公司基于 Antares 硬件的TTSTTS技术具有很多优势， 其中一个是软件结构的开放性和模块化。由于硬件结构分为 Antares 和 PC 主机两个层次，所以软件也相应分为二个层次：即运行在 Antares 平台 DSP 上的TTSTTS算法固件，和运行在主机上的 Antares 设 备驱动程序，TTSTTS应用编程接口和开发商的特定应用程序，其中，运 行在 Antares 平台上的中文TTSTTS的固件包括三部分：TTSTTS算法，SPOX 和 Antares 内核。TTSTTS算法这里不作论述。 SPOX 是一个实时嵌入式的 DSP 操作系统，支持多任务和 OSP 资源 的调度与分配，如内存等的申请和释放。Antares 内核用来把功能单 元和 DSP 的底层硬件分隔开，便于资源的管理和使用。SPOX 和 Antares 内核有助于开发多通道的通信领域的中文TTSTTS技术。这三部 分模块有机结合在一起，形成 DSP 可识别的、可下载的公共目标代码 格式文件（COFF） 。用户的应用程序，涉及的中文文语转换操作是在 提供的开放的TTSTTS API 基础上开发的，而与电信网的接口处理，包括 DTMF 的检测，信号的产生、信今的处理，交换和接续的控制以及语音 信号的 A/D 和 D/A 变换等操作，是由 D/320SC-E1 和 D/300SC-E1 等语 音卡支持的。 而我们的解决是可以实现完全同样功能的解决方案，是基于软件而我们的解决是可以实现完全同样功能的解决方案，是基于软件 的解决方案。成本上下降了很多，灵活性很大。可以与的解决方案。成本上下降了很多，灵活性很大。可以与 DIALOGICDIALOGIC、NMSNMS、LUCENTLUCENT、BICOMBICOM、TAIXINGTAIXING、BSTBST 等厂家的语音卡进行等厂家的语音卡进行 连接，可以实现实时的解决方案，且接口简单，价格低廉。连接，可以实现实时的解决方案，且接口简单，价格低廉。 3 34 4应用编程接口应用编程接口 为了方便用户在计算机语音集成（CTI）系统应用中嵌入中文TTSTTS 技术，专门设计了应用编程接口（API） ，APl 包括一系列功能函数， 并封装在可链接的 UNIX 库文件内。TTSTTS是一种资源，使用前必须先打 开。TTSTTS的打开类似于文件打开操作，若还有空闲的TTSTTS资源，函数 将返回一个句柄。TTSTTS设备打开以后，就可以调用函数，和申请TTSTTS 处理的语音通道（模拟通道或数字时隙）建立 SC 等总线的时隙连接， 这样，就可以调用函数，处理文件或内存缓冲区的中文文本，合成出 可闻的音频信号输出。放音结束后，要调用函数撤除该链路，并关闭 该TTSTTS设备，以释放占用的TTSTTS资源。 4 4TTSTTS应用特性应用特性 1.硬件：PC 机服务器 2. 主机操作系统： Windows NT Server/WorkStation 4.0 平台 3.每台可以支持最多 16 通道同时进行TTSTTS操作。 4. 支持汉语普通话的文语转换 5. 支持数字，数字串，英文字母的阅读 6.同步编程或异步编程： 7.支持 A 律和 U 律 PCM 编码的TTSTTS放音。 8支持语音格式： PCM(8K 采样) 用于 Telephone voice Dialogic ADPCM(8K 采样) 用于 Telephone voice Dialogic ADPCM(6K 采样) 用于 Telephone voice BICOM(6K 采样) 用于 Telephone voice WAV (8K 采样)用于电脑声卡试听 RA (8K 采样) Internet/169 网专用 9支持数据连接方式： (1)POP3 取电子邮件； (2)HTML 取网页； (3)SYBASE SQL SERVER； (4)MS SQL SERVER； (5)格式化灵活文本文件； (6)ORACLE、DB2、BTRIEVE、INFORMIX 数据连接 方式可选， 并可支持 UNIX 通过 FTP 请求数据转 化的数据连接方式。 (7)扩展：支持流行的 WORD，EXCEL 的 DOC 和 XLS 文件，支持 Winzip 的文本文件及 DOC 和 XLS 文 件以配合电子邮件的附件 (Attach)功能， 支持电子邮件的多 Attach 功能， (8) 支持 Web Mail 协议。 10支持中西文混和的文语转换： （1）嵌入成熟的西文TTSTTS开发包， （2）嵌入中西文字典以针对 HTML 和 E-MAIL 的标志 性信息翻译，GB、BIG5 自动识别及转换。 11执行性能(速度及多通道及容量) (1)16 通道并行工作 (2)理论上可转换不限长文字，为了提高反应 我们对长度加以限制为 4090(即 2045 个汉字) 12稳定性 可连续运行，遇到非法转换请求可以自动过滤，不会造成死锁 及 down 机。 13良好的监控界面 转换内容排队池管理并有实时通道占用状况描述，适合工业化 运作监控。 14良好的语音试听功能： (生成 8K 的 WAV 格式)用于一般声卡的试听 15良好的日志管理： 分：A、历史状态浏览列表窗， B、可选择记录项目的日志文件。 5、可开放的业务市场 5 51 1 按照行业划分按照行业划分 中国电信、移动、工商、税务、技术监督， 5 52 2 按照业务划分为：按照业务划分为： （1） 168 台新增数据查询及文语转换功能 （2） 电话查询 E-MAIL/电话回复 E-mail （3） 电话查询防伪信息（文字信息） （4） 电话查询黄页广告 （5） 电话听天气预报、股票行情等动态信息 （6） 电话自动应答系统 。 。 。 6、系统配置 6 61 1处理单元的配置计算处理单元的配置计算 1套T TT TS S系统的一个单元，可以处理 16路并发呼叫。 生成的语音压缩采用ADPCM方式，采样频率为6KHz/8KHz， 每秒语音计3Kbyte/s-4Kbyte/s 根据电话网和168台上的话务量统计数据 最忙话务小时： 2% 平均通话时长： 18秒 呼叫次数/天/用户： 0.3 次 本方案提供的计算方法是依据爱尔兰的 B模式。 根据贵公司实际需求和情况，初期只考虑上 100万用户，待将 来业务增长，可根据需要极为方便地进行扩容。现以此为准计算出系 统容量： 每个用户的平均最忙话务量 =呼叫次数/天/用户平均通话时 长 最忙话务小时/3600秒 =0.318秒2% /3600秒 =0.00003 Erl 系统总话务量=用户总数每个用户的平均最忙 话务量 =10000000.00003 =30 Erl 业务单元数=系统总话务量/16 =30/ 16 = 2(个） 计需要2个业务处理单元 6 62 2存贮总容量的计算方法：存贮总容量的计算方法： 初期我们建议暂设为100万个用户，每个用户占用容量为 1K。 存贮总容量=用户总数每个用户占用容量 =10000001000 = 1GB 考虑到系统、话务数据还需占用一定的硬盘空间，我们建议配置 9G的硬盘；为了确保数据的安全，采用了磁盘镜像的方式。 7. 设备配置和报价清单（人民币元） 详细资料见附件：TTS 文件 名称配置报价说明 TTS软件费50，000 协调费、工程安装费10，000 系统总报价60，000 8结束语 TTSTTS技术将在新一代的通信技术和业务中扮演举足轻重的角色， 在计算机语音集成应用中，没有TTSTTS技术将难有作为。事实上，TTSTTS 技术对系统开发人员和业务运营者同等重要。正因为这个原因，我们 开发并设计了基于 DSP 技术的汉语普通话文语转换产品，并把它主要 定位在通信网应用领域，以支持大容量、高密度的计算机语音集成应 用。该产品的最大优势在于它的开放性，对于没有TTSTTS技术背景的开 发商，人门并正确使用也比较容易。我们期待这个产品能促进中国 CTI 业务的发展。 通过TTSTTS系统建立一条 168 自动声讯台与 169/163 站点的自动检 索