1、1不用 Windows Speech SDK 的“语音合成 ”方案 -风轻云淡“语音合成 ”，在电脑上实际上是完成“字符转变为语音”这个功能的。我个人也就沿用这个“语音合成 ”这个概念吧。笔者就此事情，了解了一下“语音识别和语音合成”程序设计方面的事情，好像都是要借助于“微软 Windows Speech SDK”这个开发包。假如要甩开这个“SDK” ，是否有可能呢？笔者通过实验注 来看是可以的。但它是否能推广到一般呢？是否可以仿此推广到其它的语种呢？是否可以多语种的混合使用？是否可以在 Liunx系统中仿照方法也能够实现呢？诸如此类的种种问题，有待于广大程序员的辛勤和努力工作。下面，把我以中
2、文为对象，在 VB 里的做过的实验过程大概的说一下：先制作发音文件：中文发音文件，根据现代汉语词典商务印书馆 1981 年北京版这部词典来制作的。根据 【音节表】制作1331 个中文音节发音音频文件，是 MP3 格式， 【每个音节做成一个音频文件，包括汉语拼音的四声，分别命名为编号. MP3】 。其序号从 1 开始一直排到 1331.。每个音频文件的名称就成了 xxx.mp3，注：xxx 表示 11331 之间的任意整数 。2为说明和理解的方便，暂时把这些发音文件理解成一个文件，即“读音文件” 。关于这种文件的制作，有条件的可以自己录音制作，笔者也赞成这样，做好的发音文件要经过修剪的。因为笔者
3、是为了实验，也就暂时借助于其它的语音合成软件合成了供实验用的材料。【思考和讨论：笔者采用格式的原因是文件占用空间比较小，相对于 wav 格式，那么是否还有其它的格式可供采用呢？特别是数字格式的，即：用一个数字来表示，或者一个数组来表示，为何要考虑其它格式，原因很简单，就是想考虑和以后的语音识别能否共用这些文件，这点至关重要】 。第二个文件是“汉字发音编号索引”文件，文件内容的格式是： 汉字+ 空格+发音编号。例如：猜 80。这里的空格也可以用其它符号。也就是说：一个汉字对应着一个发音编号。那么，下面说说建立这个文件步骤：1 :建立一个零时字库文件，建立这个文件，当然是选择的独立汉字越多越好；建
4、立字库文件，可以设计一个小工具来从文章里筛选得到。我选择了大概有 4000 多个，这个数字在现实中是完全不够用的，但目前只是实验，笔者也就没有再继续做这方面的工作了。32：把字库文件的每一个汉字进行读音标注，这个工作也只能借助于软件来完成。3：音节发音文件与汉字读音文件合并成一个文件，暂且命名为：hanziduyinbianhao汉字读音编号,这样就成了【汉字+ 空格+发音编号】这样的文件。在合并时要这样做：把每一个汉字转换为 ASCII 码，以这个 ASCII 码作为记录号写入随机文件。因为以后查阅的时候，仍然是根据其 ASCII码来查找的，这样速度快。当然，不反对使用数据库的方案。这项工作
5、也得由软件来完成，笔者也只得自己设计一个这样的小工具了。这个工具也很简单，用字符匹配函数和字符运算就够了。上面的两个文件制作好后，就存放在一定的文件夹下：我这里放在 D:shiyai 文件夹下，这个文件夹下有还有一个 文件夹，这个是存放音节发音文件的，我这里命名为yinpinmp3,它里面存放了 1331 个 MP3 音频文件。如果再把hanziduyinbianhao.dat 这个文件方的 D:shiyai 文件夹下，那么在 shiyan 就有一个文件 hanziduyinbianhao.dat 和一个文件夹 yinpinmp3。如果要他们进行操作的话，就先写出路径，写法如下：D:shiya
6、ihanziduyinbianhao.dat【hanziduyinbianhao.dat 是：“汉字读音编号” 】4D:shiyai yinpinmp3xxx.mp3 【xxx.mp3 是：“读音文件” 】上面的两个文件做好以后， 【“汉字读音编号”和“读音文件” 】就可以进行程序的设计了。现在先看看这个程序的思路流程：以“我们的国家是一个伟大的国家”这句话为例。分析：计算机要把这一句话说出来，只能是按照先后顺序一个字一个字的说，人们说话或者听话的习惯也是如此，那么，就得把这句话拆分成单个的汉字，这样就得设计一个拆分过程；：计算机本身是不能够识别字符的，更不知道它该读什么音，那么在计算机内就得
7、预先存放有很多字符以及其读音的数据文件，这个数据文件就是前面提到的“hanziduyinbianhao.dat” 这个文件。计算机 根据前面已经分解过的单个字符，逐个在“hanziduyinbianhao.dat”文件中查找其对应的读音编号，然后写入到一个文件，这里命名为“bf.txt ”， ：读出部分。这部分是利用一个列表框顺序播放器来完成。综合 1、2、3 所述，程序的流程如下：5拆分成单个的字符把字符逐个转换为 ascii，并查找出读音编号，然后写入 bf.txt 文件，sehll 播放器.exe,自行退出列表框播放器首先读取 bf.txt文件并加入列表框，开始播放，完毕后自行退出上面的
8、框图只是程序的总流程框图，具体到每一步那就要多一些，笔者暂时无暇顾及，没有写出，望谅解。值得说明的是：从框图上可以看出，笔者是按两个程序进行设计的，也可以合并为一个程序。我之所有这样做的原因：一个是在试验阶段为了方便，另一个更重要的原因是为了其它地方的应用方便而有意这样做的，主要是根据我自己的情况来决定的，再就是考虑日后其它应用程序的应用接口以及通用性问题。我这里暂时的接口是：把要读出的字符首先写入文件：然后调用“字符分解程序”就完了。实验后看到的缺陷有：1：建立的字库所含汉字少；62：没有写出错处理程序3：读音间隔长，原因可能主要是读音文件的问题，需要对那 1331 格式的 mp3 音频文件
9、进行剪辑，才能解决问题。通过这次的实验，完全可以得出一个结论，不用“Windows Speech SDK”是完全可以的。也许 “Windows Speech SDK”也和实验过程有相仿或类似之处吧。通过这次的实验，不由得我想起了“语音识别”这个课题，它是否也有同样的道理呢？即是不是也可以撇开“Windows Speech SDK”呢？所以，笔者也诚恳的希望广大的程序员能够提供和上传“语音识别”的文章。我一定会拜读的。最后，由于笔者的水平所限，文章写得有些紊乱，请谅解！注：笔者是在 VB6.0 环境下，只通过一些实验对中文进行了一些实验，是可以行的通的，在 Delphi 中的实验暂时还没有完成。7
