基于汉字编码特性构造函数实现的语音系统

1、基于汉字编码特性构造函数实现的语音系统日期：2006-05-22来源：  作者：字体：大 中 小 黄红伟  汤兴华  摘要：基于汉字编码的特性，本文构造了一个函数，利用这个函数为每一个汉字建立索引，基于此建立了一个很小的基于文件形式的语音库；在程序里调用这个语音库来达到汉字语音输出的功能。同时给出了实现此语音库的方法、步骤及怎样调用此语音库，及相应的程序代码。关键词：汉字编码,函数,语音系统 1关于汉字映射序号函数 f 首先让我们来考查一下汉字的编码（我们这里只研究中国大陆的简体中文GB2312，下同）。根据ANSI字符集1，每一个汉字由两个字

2、节构成，由一个十六进制数唯一表示，例如：黄，其十六进制编码为：0xBBC6。我们可以看到在构成黄字的这两个字节中，第一个字节表示的值为：0xBB，第二个字节为：0xC6。通过研究Windows系统中的字符映射表，我们可以得出以下命题：命题一在表示简体中文的这两个字节中，第一个字节的标识范围为：0xB00xF7，第二个字节的标识范围为：0xA10xFE。根据命题一，我们得出：命题二用这两个字节在此标识范围之内所能表示的汉字个数为：（0xF70xB01）×(0xFE0xA11)72×946768。事实上字符映射表里的简体汉字个数也为6768个。于是我们定义了一个函数f：定义一：

3、P = f(Q) = (Q1 0xB0) × 94 + (Q2 0xA1)其中：Q为任一汉字的十六进制编码，显然这里Q由两个字节构成，Q1为构成Q的两个字节中的第一个字节，Q2为第二个字节，所以：0xB0Q10xF7，0xA1Q20xFEP = p | 0 t 6767 且 p为整数不难证明此函数是可逆的。得出命题三：命题三任意给定一汉字，根据函数f，总可以找到一个唯一的数p (pP)，让p来代表这个汉字，反之，给定一数p(pP)，也总有一个唯一的汉字与之对应。于是我们有f(啊) = f(0xB0A1) = 0，又如f(黄) = f(0xBBC6) = 1071，如此等等。 

4、;2.关于汉字拼音对照表通过考查新华字典2，我们为字符映射表里的6768个简体汉字建立了一个汉语拼音对照表。对照表里在每一个拼音的后面加上一个数字，以示声调，第一声用1表示，第二声用2，第三声用3， 第四声用4，平声用5。例如：啊 a1，黄huang2。由于汉字里同音字比较多，所以6768个汉字拼音里实际上不同声调者只有1317个。 为了准备基本的语音素材，我们特地从电视台请了一位播音员录制了这1317个不同的发音。其中每一个发音是一个单独的wav型文件，其文件名就是其对应的汉语拼音，例如huang2这个音的文件名字就是huang2。3.关于语音库的建立语音库分为两个部份，第一部份存贮6768

5、个汉字中的每一个汉字语音数据在库中的位置索引，第二部份存贮的是已经录制好的1317个wav文件的数据。事实上在库中并没有存贮汉字本身，因为根据前面得到的命题三，字符映射表里的每一个汉字都有一个唯一的数字与其对应，故这个语音库的第一部份，也就是索引部份，可以看作一个有6768个元素的数组-SndIdx6768 (实际我们后面编程时也是这样实现的)，例如SndIdx1071的值是黄这个字的语音数据在库中的位置偏移量。因为1317个语音数据有10M之多，故索引数组的元素值远超过32767，为此数组的每一个元素占有4个字节的空间。因此索引大小为：4 × 6768 25K 。调用语音库时利用了

6、两个缓冲区 ：DWORD SndIdx6768 与char  *m_szSndBuff，m_szSndBuff = (char *)malloc( 语音库文件第二部份的大小 )。然后把语音库文件fsnd.dat的第一部份，也就是索引部份读入SndIdx；把第二部份，也就是语音数据部份读入m_szSndBuff。当需要语音输出的时候，例如要输出黄的读音，程序根据定义一的函数f得出与该字对应的的编号为1071，于是得到该字的读音在缓冲区m_szSndBuff中的偏移量为SndIdx1071，然后调用Windows的用于播放wav数据的API函数来输出该字的发音：sndPlaySound(

7、 m_szSndBuff + SndIdx1071 , SND_SYNC | SND_MEMORY )3。 4.关于系统的实现首先我们来研究怎样生成这个语音系统。语音系统的主体部份其实只是一个数据文件fsnd.dat，我们要做的只是怎样把这些索引与单个的汉字语音数据写到fsnd.dat中。对于6768个汉字的索引以及1317个不同的语音数据文件，我们构造了一个算法做这件事。为此我们设计了一个临时数据库(sndDB)，这个库里只有一张表(wordtable)，原型是我们前面整理的汉语拼音对照表，正如我们前面所知，这个表有两个字段：汉字本身(在表里用 m_Word 表示)与其对应的拼音(

8、在表里用 m_Sound 表示)。根据命题三，每一个汉字都与一个唯一的整数对应，因此6768个汉字在这张表里是按这些整数的从小到大的顺序来排列的。另外为了算法的实现，我们又加了两个额外的字段，一个是：bool  m_Tag ,初始化为0,这是一个标志，因为我们知道，汉字里同音字比较多，当对一个拼音对应的语音数据进行处理之后，这个语音数据在fsnd.dat中的偏移量就已确定，那么其它同音的汉字的对应语音数据的偏移量也是同一个值，此时就把这些同音字的这个标志置为1，以后看到这个标志为1就跳到下一汉字。另一个额外的字段是：long  m_sndIndex, 顾名思义，就是记录该汉

9、字语音数据在此文件中的偏移量，初始为0。又因为fsnd.dat是由两部份构成：索引部份与数据部份，为了方便，将这两部份分成两个文件来处理，然后再把包含语音数据的这个文件(totalsnd.dat)的全部内容写到fsnd.dat的后面。因为我们前面说过索引部份可看作一个数组，故在程序中我们又设计了一个数组：DWORD SndIdx6768，来充当数据库与fsnd.dat的中转。以下是具体的程序部份：m_DbSnd.Open( "sndDB", false, false, "ODBC; UID = sa " ); /m_DbSnd为数据库对象m_pSndSe

10、t = new CSndSet( &m_DbSnd ) ; /m_pSndSet为指向数据集的指针m_pSndSet->Open ();/打开数据集    fsnd.Open( "fsnd.dat", CFile:modeCreate | CFile:modeWrite );/fsnd为一文件对象         DWORD idex = 0 ; /从第一个wav文件到第i个wav文件的长度的累加和    

11、60;     DWORD sndLen = 0; /记录第i个wav文件的长度         char pszFilePath50 = "E:myworkhhwwav" /语音文件位于该目录下         char *pFileKind = ".wav" /语音文件是.wav文件      

12、            CFile  snd; /代表具体汉字的语音文件对象         Cfile  totalsnd( "totalsnd.dat" , CFile:modeCreate | CFile:modeWrite );/全部语音文件数据写入totalsnd.dat        

13、         CString  strsnd; /记录从数据库里读出的汉字的汉语拼音         char *sndBuff = NULL; /为第i个wav文件数据开辟缓冲区          int i=0;         CString str

14、SQL;/要执行的SQL查询、更新语句         while( !m_pSndSet->IsEOF() )/从数据库里的第一条记录读到最后一条                            if( m_pSndSet->m_tag =

15、 TRUE ) /说明该字与前面某个字同音                                               SndIdxi

16、 = m_pSndSet->m_sndIndex ;                            fsnd.Write(&SndIdxi, sizeof(DWORD);/将该字发音数据所在位置写入文件         

17、;                   i+ ;                            m_pSndSet->MoveNext

18、();                            continue ;                     

19、60;                strsnd = m_pSndSet->m_sound ;                   strcat( pszFilePath , strsnd );/具体汉字语音数据文件名与其拼音是一致的  &#

20、160;                strcat( pszFilePath , pFileKind );/给出该字发音文件的完整路径                          &

21、#160;                                       snd.Open( pszFilePath , CFile:modeRead | CFile:typeBinary ); /打开相应的发音文件

22、                                      strcpy( pszFilePath, "E:myworkhhwwav" );    /初始化下个汉字发音文件的

23、路径                                      /将与该字同音的汉字打上标志，并置发音索引为一样         &#

24、160;         strSQL.Format("update wordtable set m_tag=1,m_sndIndex=%d where m_sound='%s'", idex, strsnd );                   m_DbSnd.ExecuteSQL( strSQL

25、 );                                      SndIdxi = idex ;          

26、60;        fsnd.Write( &SndIdxi, sizeof(DWORD);/将该字发音数据所在位置写入文件                   i+;              &#

27、160;                       sndLen = snd.GetLength(); /得到该字发音文件的大小                   idex += sndLen ; /紧接的

28、与该汉字不同音的下一汉字的发音在文件中的偏移量                   if( sndBuff != NULL )                          &

29、#160;                     free( sndBuff );                          &#

30、160; sndBuff      = NULL;                                      sndBuff = ( char* )malloc( sndLe

31、n );/为该wav文件数据分配缓冲区                   snd.ReadHuge( sndBuff, sndLen ) ; /                        

32、60;              totalsnd.SeekToEnd();                   totalsnd.WriteHuge( sndBuff, sndLen);/ 把缓冲区语音数据写到语音数据文件     

33、60;             snd.Close();/关闭该读音的wav文件                                m_pSndSet->Move

34、( i ); /转向下一个汉字                                     totalsnd.Close();/关闭语音数据文件         /以读

35、的且二进制的方式打开语音数据文件以把它的数据并到fsnd.dat里去         totalsnd.Open( "totalsnd.dat", CFile:modeRead | CFile:typeBinary );         sndLen = totalsnd.GetLength();            

36、;       if( sndBuff != NULL )                             free( sndBuff );           

37、        sndBuff      =       NULL;                  sndBuff = ( char* )malloc( sndLen );       

38、  totalsnd.ReadHuge( sndBuff , sndLen );/把全部语音数据写到缓冲区里         totalsnd.Close();          fsnd.WriteHuge( sndBuff , sndLen ); /把全部语音数据写到索引部份后面         fsnd.Close();/fsnd.

39、dat制作完毕，关闭文件对象    至此这个语音系统的主体部份fsnd.dat已经完成。考虑到这个语音系统只是我们要开发的客户系统的一个外挂程序，于是把库文件的调用部份做成一个动态链接库，即一个dll文件。在这个dll文件中输出了一个类。这个类是这样定义的：class CTextSnd  public:         CTextSnd();         virtual CTextSnd();

40、              void  Load();                /通过新开的一个线程调用LoadSnd,         void  UnLoad( void );清空缓冲区数据。  &#

41、160;      BOOL  LoadSnd();/打开fsnd.dat，载入声音数据到m_szSndBuff，索引数据到SndIdx6768         BOOL  Play( char * szText );/szText是一段需要语音输出的文字，用Play(char* szText)来完成private:         char  * 

42、;     m_szSndBuff;         DWORD SndIdx6768;                  由于语音输出功能是在系统处理业务的时候才调用，故语音输出与这些业务的进行应该是并发的，为此单独开了一个线程来处理语音输出，这是一个全程函数：DWORD  WINAPI  LoadSndT

43、hread(CTextSnd* ptr) ptr->LoadSnd();  return 0; 我们是这样调用这个全程函数的：void  CTextSnd:Load()         DWORD   ThreadId;         CloseHandle(CreateThread(NULL,0,(unsigned long(_stdcall*)(void*)LoadSndThread,

44、this,0,&ThreadId);最后再给出用于最终输出语音的函数：BOOL     CTextSnd:Play(char* szText )。BOOL        CTextSnd:Play( char * szText )/szText为一指针，指向要语音输出的那段话         if( m_szSndBuff =     NULL) return FALSE;         DWORD   dwSndPosition;         char *         pT = szText;      &