首頁>>廠商>>語音識別與合成>>科大訊飛

InterPhonic 中英文混讀語音合成（2.2版本）新增特性介紹

2003/09/30

　　InterPhonic語音合成系統(tǒng)是面向中、高端應(yīng)用的語音合成系統(tǒng)，以先進(jìn)的大語料語音合成技術(shù)和語音韻律描述體系為基礎(chǔ)，提供面向任意文本、任意篇章的連續(xù)語音合成功能，合成音質(zhì)可媲美真人發(fā)音。目前，InterPhonic系列產(chǎn)品已經(jīng)成為市場上的主流語音合成系統(tǒng)，在電信客服、語音門戶、證券客服等領(lǐng)域都有了廣泛的應(yīng)用，不論是效果還是系統(tǒng)穩(wěn)定性都得到用戶的肯定。

　　 科大訊飛以人為本，致力于創(chuàng)造人類信息時代信息獲取和溝通的最佳方式。InterPhonic CE 2.2作為其InterPhonic系列的最新產(chǎn)品，在合成效果方面，除了繼續(xù)提高中文與英文的合成效果之外，還在兩者之間如何更加流暢的銜接，以及如何更加方便快捷的實(shí)現(xiàn)效果定制方面取得了顯著的改進(jìn)。除此之外，在系統(tǒng)的實(shí)用性、易用性等方面又有了進(jìn)一步的提高，在此基礎(chǔ)上，InterPhonic C&E2.2還新增了很多新的特性，如推出功能更加強(qiáng)大和完善的TTS Server Express語音合成服務(wù)器軟件，并且首次加入了CSSML編輯器和TTS Doctor技術(shù)支持工具。

一、 技術(shù)改進(jìn)
　
1. 產(chǎn)品效果方面

　　為了體現(xiàn)訊飛以人為本的宗旨，為了使用戶感受到專業(yè)語音科技給他們帶來的便利。InterPhonic CE v2.2在合成效果方面，主要增加了CE2.1系統(tǒng)中缺少的語氣詞合成、改進(jìn)了短語、短句效果，同時改進(jìn)了前端文本處理過程：

·語氣詞處理

　　語氣的應(yīng)用，例如“是嗎？”“為什么呢？”“�。　钡�。

　　在InterPhonic CE2.2以前的合成系統(tǒng)中不包含語氣詞的合成，對這些語氣的處理都按照陳述語在一些語音應(yīng)用中存在者一些非陳述氣進(jìn)行，這種處理影響了語音應(yīng)用的效果。InterPhonic CE 2.2引進(jìn)了語氣詞合成的處理，能夠處理疑問、感嘆等語氣效果。這樣使得這些生活中常用的語句真正做到人性化，讓用戶體驗(yàn)到親切感。

·短語合成效果改進(jìn)

　　InterPhonic CE 2.2在音庫中補(bǔ)充了一定的短句語料，擴(kuò)大短句語料的覆蓋面，同時在前端文本分析中加入了短語語境的判斷和處理。改進(jìn)之后的系統(tǒng)在合成一些包含大量短句、短語的文本時效果上有比較明顯的提升，例如人名、地名、短語合成。這種特性讓系統(tǒng)的使用范圍得到進(jìn)一步加強(qiáng)。

·前端韻律算法改進(jìn)

　　InterPhonic CE v2.2中通過對詞類調(diào)整和未登錄詞算法的改進(jìn)，提高了韻律樹生成準(zhǔn)確率，改進(jìn)了合成自然度�？梢允购铣傻穆曇舾雍椭C，愉悅聽眾的耳朵。

·多音字處理改進(jìn)

　　新的多音字處理算法提高了多音字識別的準(zhǔn)確率。減少了系統(tǒng)的誤讀率，更容易讓用戶接受。

2. 產(chǎn)品架構(gòu)方面

·桌面版

　　InterPhonic CE 2.2系統(tǒng)提供了全新意義的桌面版，這種桌面版系統(tǒng)在保證與企業(yè)版相同的合成效果以外，有以下特點(diǎn)：

1. 系統(tǒng)尺寸小

　　系統(tǒng)占用硬盤空間小，減少資源消耗，用戶可以靈活安裝，安裝后占用硬盤空間比以往版本更��；

2. 系統(tǒng)響應(yīng)時間

　　桌面版合成系統(tǒng)能夠快速啟動，而且合成時也不會出現(xiàn)停頓，可以達(dá)到桌面軟件應(yīng)用要求；


3. 提供所有的開發(fā)接口

　 　提供與企業(yè)版相同的開發(fā)接口，改進(jìn)后的TTS COM控件可以提供多個應(yīng)用的并發(fā)使用。

· TTS COM v1.1

　　TTS COM組件是TTS SDK中一個重要的組成部分，提供該組件的目的是適應(yīng)多種開發(fā)環(huán)境、簡化開發(fā)過程。不少用戶傾向于使用TTS　COM組件開發(fā)TTS應(yīng)用程序，支持的開發(fā)工具非常廣泛、語言類型多種多樣。改進(jìn)的TTS COM組件已經(jīng)能夠?qū)崿F(xiàn)幾乎所有的TTS功能，滿足一般的開發(fā)需要，并在可用性、易用性方面得到進(jìn)一步完善。

·TTS Server Express v1.2

　　TTS Server Express提供了對基于網(wǎng)絡(luò)的TTS服務(wù)支持，是企業(yè)版合成系統(tǒng)的重要組成部分，TTS網(wǎng)絡(luò)應(yīng)用的核心。TTS Server Express v1.2在功能、易用性等各方面進(jìn)行了一次全面的提升。

·CSSML Editor v1.0

　　通常情況下，TTS系統(tǒng)會根據(jù)上下文語法、語義來自動確定文本的合成方式，但由于文本的復(fù)雜性和多樣性，這種自動處理難以避免會出現(xiàn)錯誤，造成合成錯誤，效果不理想的情況。CSSML（中文語音合成標(biāo)記語言）集成了XML的優(yōu)秀特性，與VoiceXML中包含的SSML兼容，可以用來指定文本合成方式，是通過標(biāo)記方式改進(jìn)合成效果的最佳途徑。

　　從InterPhonic CE v2.1版本以后，CSSML規(guī)范已經(jīng)成為科大訊飛合成系統(tǒng)的一個重要部分，后期系統(tǒng)還將不斷擴(kuò)大CSSML規(guī)范的支持范圍。CSSM具有兼容VoiceXML的嚴(yán)謹(jǐn)語法格式，并提供了功能豐富的標(biāo)記。CSSML Editor提供了簡單易用的CSSML可視化編輯環(huán)境，使得用戶可以快速高效地生成CSSML標(biāo)記文本。

·數(shù)字規(guī)則

　　CE22系統(tǒng)在數(shù)字策略定制方面將進(jìn)一步改進(jìn)，允許用戶設(shè)置數(shù)字策略匹配規(guī)則，設(shè)置對數(shù)字串如何處理的規(guī)則。這些設(shè)置都將提供在資源管理中心界面中，增加一種全新的資源類型，這種資源從屬于資源包，在資源管理中心新建“數(shù)字規(guī)則”頁集中對該資源包的數(shù)字規(guī)則進(jìn)行設(shè)置。使得用戶可以按照自己的要求設(shè)置，進(jìn)一步滿足個性化的需求。

　　例如，可以設(shè)置這樣的一條手機(jī)號碼處理規(guī)則。

　　規(guī)則描述：手機(jī)號碼的處理規(guī)則

　　匹配條件：數(shù)字串長度為11，前三位數(shù)字為130／133／135／136／137／138／139；

　　處理策略：“1”讀“幺”，韻律為335。

·CSSML支持的改進(jìn)

CE22繼續(xù)增強(qiáng)合成系統(tǒng)對CSSML規(guī)范的支持：

　1. 支持UTF-8、UTF16格式的CSSML文本，自動識別具有文件頭簽名的Unicode（UTF-16 LE）文本和Utf-8文本；

　2. mark標(biāo)記，支持命名事件和未命名事件，這個特性同時體現(xiàn)在TTS SDK中；

　3. audio標(biāo)記支持所有合成系統(tǒng)能夠識別的音頻格式；

　4.

　5. sayas標(biāo)記增加對人名地名的支持；

　6. meta標(biāo)記的支持；

·字符集轉(zhuǎn)化的增強(qiáng)

　InterPhonic CE2.2系統(tǒng)在字符集轉(zhuǎn)化方面進(jìn)行了增強(qiáng)：

　1. 增加了對目前比較流行的編碼方式UTF-8的支持；

　2. 改進(jìn)后的合成系統(tǒng)可以自動識別UNICODE文本，并且自動轉(zhuǎn)化合成。支持　　UTF-8、UTF16格式的文本，自動識別具有文件頭簽名的Unicode（UTF-16 LE）　文本和Utf-8文本；
　
·提供技術(shù)支持工具

　　合成系統(tǒng)的技術(shù)支持工作存在著非常雷同而繁雜的步驟——確定用戶的應(yīng)用環(huán)境：合成系統(tǒng)名稱版本、操作系統(tǒng)名稱版本、加密鎖路數(shù)、資源狀況等等。借助產(chǎn)品中提供的TTS Doctor技術(shù)支持工具，可以在便于進(jìn)行遠(yuǎn)程的信息搜集和支持，更加快速的定位問題發(fā)生的可能原因，提供專業(yè)的技術(shù)支持和服務(wù)。

二、 接口改進(jìn)

·增強(qiáng)對CSSML文本的支持

　　XML因其優(yōu)秀的的可擴(kuò)展性和強(qiáng)大的數(shù)據(jù)表達(dá)能力已經(jīng)成為未來Internet上數(shù)據(jù)表達(dá)和傳輸?shù)臉?biāo)準(zhǔn)技術(shù)，基于XML和VXML技術(shù)的CSMML規(guī)范也將成為中文語音合成的標(biāo)準(zhǔn)。CSSML規(guī)范是一套完備的中文語音合成標(biāo)記規(guī)范，用戶可以通過CSSML標(biāo)記文本來指定文本的合成方式，這種方法能夠解決一些語音合成系統(tǒng)難以處理的問題。

　　InterPhonic CE 2.2系統(tǒng)保持處理CSSML格式的文本的特性。在后續(xù)的版本，訊飛依然會加強(qiáng)對CSMML規(guī)范的支持力度。用戶可以對需要合成的文本進(jìn)行編輯，將其編輯為CSSML格式的文本，對一些特殊用法、發(fā)音習(xí)慣進(jìn)行單獨(dú)標(biāo)記，用以指導(dǎo)合成系統(tǒng)的合成，就可以提高合成效果、解決合成系統(tǒng)無法正確合成的多種問題。

·網(wǎng)絡(luò)接口的改進(jìn)

　　相應(yīng)于TTS Server的升級，CE2.2對TTS SDK中的網(wǎng)絡(luò)版標(biāo)準(zhǔn)接口進(jìn)行了改進(jìn)，改進(jìn)之后的網(wǎng)絡(luò)接口：

　1. 支持目前本地運(yùn)行庫的所有參數(shù)；

　2. 在連接的時侯可以指定超時時間、指定使用的網(wǎng)絡(luò)端口；

　3. 支持運(yùn)行日志，便于問題解決和調(diào)試；

·TTS SDK改進(jìn)

　除了TTS COM v1.1、網(wǎng)絡(luò)接口，CE2.2還對TTS SDK做了以下改進(jìn)：

　1．新的接口支持進(jìn)程內(nèi)的多次初始化；

　2．SAPI接口增加了日志功能；

　3．增加了多個示例程序；

　4．增加了對其他開發(fā)語言的支持，如C#、ASP.NET。

　　以上無論是對合成效果的提升還是對系統(tǒng)架構(gòu)和產(chǎn)品性能的優(yōu)化，乃至對接口的改進(jìn)，文檔的修正，訊飛始終以專業(yè)的態(tài)度和高度的責(zé)任感去面對每一個問題，盡可能的考慮到實(shí)際應(yīng)用的每一個細(xì)節(jié)。想得更多，做得更多，我們將繼續(xù)盡心盡力，提供最優(yōu)秀的產(chǎn)品和最完善的服務(wù)。

科大訊飛公司供稿 CTI論壇編輯


相關(guān)鏈接:
訊飛暢言語音教具系統(tǒng)榮獲“創(chuàng)新軟件產(chǎn)品” 2009-09-08
科大訊飛嵌入式語音新產(chǎn)品發(fā)布會在深圳舉行 2009-09-07
“會說話”的顯示屏提升居民小區(qū)信息服務(wù)水平 2009-09-07
訊飛語音助力太平人壽客服中心 2009-08-28
訊飛語音助力CDMA手機(jī)競爭終端市場 2009-08-14

分類信息:     技術(shù)_語音合成_解決方案