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、高端應用的語音合成系統(tǒng)，以先進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現(xiàn)效果定制方面取得了顯著的改進。除此之外，在系統(tǒng)的實用性、易用性等方面又有了進一步的提高，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
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、改進了短語、短句效果，同時改進了前端文本處理過程：
·語氣詞處理
語氣的應用，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用中存在者一些非陳述氣進行，這種處理影響了語音應用的效果。InterPhonic CE 2.2引進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，讓用戶體驗到親切感。
·短語合成效果改進
InterPhonic CE 2.2在音庫中補充了一定的短句語料，擴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)的使用范圍得到進一步加強。
·前端韻律算法改進
InterPhonic CE v2.2中通過對詞類調(diào)整和未登錄詞算法的改進，提高了韻律樹生成準確率，改進了合成自然度�？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
新的多音字處理算法提高了多音字識別的準確率。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：
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小；
2. 系統(tǒng)響應時間
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，可以達到桌面軟件應用要求；
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，改進后的TTS COM控件可以提供多個應用的并發(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)應用的核心。TTS Server Express v1.2在功能、易用性等各方面進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，是通過標記方式改進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)還將不斷擴大CSSML規(guī)范的支持范圍。CSSM具有兼容VoiceXML的嚴謹語法格式，并提供了功能豐富的標記。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一步改進，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)則進行設(shè)置。使得用戶可以按照自己的要求設(shè)置，進一步滿足個性化的需求。
例如，可以設(shè)置這樣的一條手機號碼處理規(guī)則。
規(guī)則描述：手機號碼的處理規(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
CE22繼續(xù)增強合成系統(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標記支持所有合成系統(tǒng)能夠識別的音頻格式；
4.
5. sayas標記增加對人名地名的支持；
6. meta標記的支持；
·字符集轉(zhuǎn)化的增強
InterPhonic CE2.2系統(tǒng)在字符集轉(zhuǎn)化方面進行了增強：
1. 增加了對目前比較流行的編碼方式UTF-8的支持；
2. 改進后的合成系統(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，可以在便于進行遠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
·增強對CSSML文本的支持
XML因其優(yōu)秀的的可擴展性和強大的數(shù)據(jù)表達能力已經(jīng)成為未來Internet上數(shù)據(jù)表達和傳輸?shù)臉藴始夹g(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準。CSSML規(guī)范是一套完備的中文語音合成標記規(guī)范，用戶可以通過CSSML標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，訊飛依然會加強對CSMML規(guī)范的支持力度。用戶可以對需要合成的文本進行編輯，將其編輯為CSSML格式的文本，對一些特殊用法、發(fā)音習慣進行單獨標記，用以指導合成系統(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
相應于TTS Server的升級，CE2.2對TTS SDK中的網(wǎng)絡(luò)版標準接口進行了改進，改進之后的網(wǎng)絡(luò)接口：
1. 支持目前本地運行庫的所有參數(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. 支持運行日志，便于問題解決和調(diào)試；
·TTS SDK改進
除了TTS COM v1.1、網(wǎng)絡(luò)接口，CE2.2還對TTS SDK做了以下改進：
1．新的接口支持進程內(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，文檔的修正，訊飛始終以專業(yè)的態(tài)度和高度的責任感去面對每一個問題，盡可能的考慮到實際應用的每一個細節(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: