前言

今年，我参加学校举办的的一个嵌入式比赛，我的作品中需要用到中文文本语音转换的功能，由于是使用linux系统，所以不能使用MS提供的语音开发包，虽然linux上也有很多TTS功能的软件，但都只支持英语文本的转换，不支持中文的转换，当然支持中文语音转换的也有，但都需要money的，而且我们对语音的要求不高，所以就由我自己来实现。

我实现的中文TTS现有功能如下：基于中文二级字库，语音库的语音元素使用的是MS的语音库语音元素。

合成语音文件的格式为 WAV，  所以合成语音可以直接在声卡上播放。

提供简单的函数调用接口，支持程序开发

附：

我实现的中文TTS 需改进的N点：没有自己的语音播放功能(我是FORK 播放器进程来读语音文件的)需要在TTS中增加播放功能模块，才能算是完整的TTS系统，网上有很多LINUX上播放器的代码，由于时间关系我暂时没做，但以后我一定会加上去的，我也希望能有朋友能帮我完成这功能

语音库文件太大(没压缩前有40M左右，使用普通的压缩程序压缩后只有2M多点)我的发音元素是采用WAV格式的，所以有点大， 解决方法我暂时还没想到，我打算对压缩文件进行操作，但不知道行不行，自己没把握。

提供的函数功能太简单

3.1): 现在只提供了将GBK/GB2312编码 的中文文本转换， 如果程序使用的编码是其它格式的话，还需先自己转换成GBK/GB2312的编码 才能使用我提供的函数，我想在中文TTS中封装编码转换函数，这样能使应用程序更方便的使用。

3.2): 其他很多功能的实现：

太多功能需要来实现，写都写不来了。。比如说读数字的处理等等，太多了，所以暂时空着

读音效果

我想这点应该是评价一个TTS系统的最关键的因素，也是我自己认为最难的一点，我想这可能超出了我的知识范围，我的头脑中只存在着编程逻辑，对其他的知道得甚少，我想我自己得突破这点。了解其它学科的知识。 现在我只能说一句， 现在的读音效果超差，一听就知道是机器在读，没有一点人情味。

不支持中英文混读

现在只能读中文，英文是一个一个字母的读，虽然有很多关于英语转换的TTS软件是开源的，但要完成这功能还是需要一定的工作量的，想想如果让我一个人来做，就头晕，天哪，要看N多的代码.......

多音字的处理

我想这可能要用到中文分词了....

实现原理

采用波形拼接的语音生成方法来实现本系统。这种方法预先建立一个庞大的语音数据库，在合成时采用恰当的技术手段挑选出所需的语音基元进行拼接，从而形成语音输出。因此，语音拼接的重点是基本语音单元的拼接，我们选取字作为基本的语音拼接单位，语音数据库由若干以字为单位的WAV样本文件组成。[1]

所以实现本汉语TTS系统主要完成两项工作：

第一：建立一个语音库，语音库中记录了普通话中所有汉字的读音；

第二：建立汉字机内码到汉字读音的访问方法，实现由输人的汉字机内码得到该汉字的读音。并且合成WAV声音文件。[2]

语音库的实现

语音库保存着常用汉字的发音(多音的汉字只记录其一种发音，这也是本系统的一个缺陷，需要以后完善)，所以先要得到一汉字集，这个汉字集包含了大部分常用的汉字，然后在根据这个汉字集，来一个个的取得汉字的发音，并且按一定的规则保存到语音库中。

所以实现语音库可以分为三步：取得常用汉字的集合

根据汉字集，使用一些朗读软件生成该汉字集的语音文件

处理汉字集语音文件的格式，使它能符合我们的要求

1.1根据汉字编码规则获取汉字字符集的文本文件

1.1.1编码知识：

所谓编码，是以固定的顺序排列字符，并以此作为记录、存贮、传递、交换的统一内部特征。一个汉字有ASC II码、区位码等与之对应。ASC II码中对应于码值161到254的字符用于表示汉字，每个汉字用两个ASC1I码值对应的字符表示。区位码用4位数字表示，前两位从01到94称区码，后两位从01到94称位码。一个汉字的前一半是 ASC II码为“160+区码”的字符，后一半是ASCII码为“160+位码”的字符。例如：“刘”的区位码是3385，其意为区码33和位码85，它是由 ASCII码为160+33=193和160+85=245的两个字符组成。

该文所说的汉字字符集一般是指ISO 10646．1 即GB13000．1。在Windows 95／98／2000中，微软提供了“汉字扩展内码规范(GBK)”以解决汉字的收字不足、简繁共存、简化代码体系间转换等汉字信息交换的瓶颈问题，利用 GBK可以方便解决“