首頁>>廠商>>語音識別與合成>>科大訊飛

語音合成芯片探析

2009/07/31

　　語音合成芯片就是將完整的語音合成系統(tǒng)固化集成到芯片內部，通過簡單的接口接收待合成的文本信息，將文本合成為清晰流暢的語音輸出，完成機器代替人說話傳達信息的過程，語音芯片應用簡單，開發(fā)和使用成本低，在車載調度、氣象預警、公交報站等領域被廣泛應用。

　　語音合成芯片最大的功能應用點在于用戶需要播報一些大量、動態(tài)文本信息時，可以即時、方便的將文本信息內容合成為語音輸出，從而解決傳統(tǒng)錄音芯片無法解決的大容量、動態(tài)文本信息播報問題。

　　目前，市場上語音合成芯片價位從幾十元到幾百元的都有，另外芯片外形、產品封裝形式、調用接口等紛繁復雜，讓用戶在選擇語音合成芯片時經常陷入迷惑狀態(tài)。那么如何正確分辨、選用一款高性能語音合成芯片？語音合成芯片重點需要考核哪些性能指標？以下參數(shù)將成為用戶重點評估方向：

1、語音合成效果。

　　語音合成芯片的應用目的是以語言的方式傳達文本信息，機器說話是否標準，人能否聽懂聽舒服自然成為最最重要的衡量指標。語音芯片的朗讀效果主要由兩個重要技術指標決定：可懂度和自然度。可懂度就是人們能夠聽懂機器合成出來的內容，是語音合成芯片能否應用的基本要求；自然度則是機器發(fā)音效果是否易于理解，聽著舒服，與正常人說話的差距。國家863專家組對語音合成效果的自然度綜合評測有詳細說明，規(guī)定采用5分制打分，達到可接受階段為3.0分，普通人說話水平為4.0分，播音員的水平為5.0分�？啥仁呛饬空Z音合成產品是否可用的標準，自然度則是評價產品是否可以大規(guī)模應用，以及應用于高端領域的重要指標。

2、能否識別常見的特殊格式文本。

　　為了滿足不同文本的合成需求，語音合成芯片除了能夠自動識別常見文本內容外，在一些特殊格式文本方面，如時間、日期、網(wǎng)站名稱等格式的文本，也要能夠智能判讀。“12:10:35”讀成“十二點十分三十五秒”，“2008-1-13”讀成“二零零八年一月十三號”，“http://www.abc.com”讀成“h-t-t-p w-w-w點a-b-c點c–o- m”。

3、能否識別常見的特殊符號、單位符號。

　　對于一些特殊符號及單位符號等，語音合成芯片也需要能夠正確識別并合成出來，如：“-2℃”讀成“零下2攝氏度”，其他的30%，a&b，￥80，20㎝，75㎏,90㎡等都能夠人們按照閱讀習慣進行讀出。

4、能否判讀常見多音字。

　　多音字作為漢字中常見的發(fā)音重點和難點，是各家語音公司關注的焦點，特別是中文語音合成芯片，在這方面更需要優(yōu)異的表現(xiàn)。如：音樂，銀行，特長，即將，股市行情，調整，校正，災難，沒收，長三角，西藏，濟南，重慶，成都等等，多音字能否正確判讀直接影響合成信息的可懂度，信息受眾者的理解，所以必須準確朗讀。

5、能否支持多種漢字編碼支持。

　　多種漢字編碼支持目前也已成為考核語音合成芯片性能的重點，這點在方便終端用戶使用方面以及支持漢字識別范圍方面均非常重要。目前常用的漢字編碼格式有GB2312, Unicode，GBK，BIG5等。

6、能否支持數(shù)字的讀法。

　　生活離不開數(shù)字，數(shù)字串的正確識別合成輸出，在眾多應用領域成為普遍性關注點，合成文本中會經常出現(xiàn)類似如：“請撥打12345”、“電話：12345”“熱線：12345” “我的號碼：12345”等內容，一款高性能語音合成芯片能夠智能判斷把數(shù)字串讀成數(shù)值、還是號碼。如“12345”會自動按照號碼的讀成“一二三四五”。“139-11661189”自動按照號碼讀成“幺三九幺幺六六幺幺八九”。而“12345公斤”會自動讀成“一萬二千三百四十五公斤”， “345678個”會讀成“三十四萬五千六百七十八個”等等。

7、能否支持合成參數(shù)設置。

　　參數(shù)合成設置主要是為了方便使用語音芯片進行二次開發(fā)的用戶來進行設置、調試、修正文本合成效果。語音合成芯片應該能夠支持多種標記功能，可以按照需要進行標記。使用多種標記進行設置更為直觀方便、易維護。例如：設置音量，只要使用合成命令幀發(fā)送[v9]，就可把音量設置9級音量。

8、用戶使用接口簡單、易用。

　　以上是從語音合成芯片效果及語音合成芯片內核等方面來評估語音合成芯片的性能，其實，在實際選用一款好的語音合成芯片的時候，用戶還需要注意芯片硬件方面的參數(shù)，如：是否單芯片，體積大小，能夠大批量貼片焊接生產？以及功耗，工作溫度等等方面。

科大訊飛語音合成技術及語音合成芯片簡介：

　　科大訊飛是一家專業(yè)從事智能語音及語言技術研究、軟件及芯片產品開發(fā)、語音信息服務及電子政務系統(tǒng)集成的國家級骨干軟件企業(yè)，是我國眾多軟件企業(yè)中為數(shù)極少掌握核心技術并擁有自主知識產權的企業(yè)之一，其智能語音核心技術代表了世界的最高水平。

　　訊飛嵌入式語音合成技術采用基于HMM的參數(shù)語音合成方法，在保證合成語音清晰流暢的同時，充分降低合成系統(tǒng)的存儲與運算資源消耗，以滿足嵌入式設備上的資源受限環(huán)境。

　　基于科大訊飛世界領先的中文語音合成技術，訊飛嵌入式語音合成芯片自2001年起陸續(xù)推出了XF1M01、XF-1M02、XF-2S01E、XF-S3111、XF-S3231、XF-S3011、XF-S4240、XF-S4040、XFS3031CN、XFS4041CN共10款產品，并已經在車載GPS調度終端、氣象預警機、考勤機、信息機、智能玩具、智能儀表等領域大規(guī)模普及應用。

　　目前，科大訊飛針對普通、中端、高端市場需求推了XFS3031CN、XFS4041CN和XF-S4240三款語音合成芯片，三款芯片性能均非常突出卓越，其差異性主要體現(xiàn)在合成效果指標中自然度上，按照國家863專家組5分制標準來評分，其綜合評分分別為3.01分、3.63分和3.76分，也就是說三者語音合成效果相比較，XFS3031CN一般，XFS4041CN居中，XF-S4240最好。

　　另外，三款語音芯片均通過了車載、電力、氣象等眾多行業(yè)相關要求的專業(yè)認證和測試標準，并已在多個客戶產品中成功集成上市，語音芯片的詳細功能特性，有興趣的朋友可以登陸科大訊飛網(wǎng)站（www.iflytek.com）下載詳查或來電來函索要。聯(lián)系方式如下：

北京分公司：
電話：010-58301005轉8009
深圳辦事處：
電話：0755-83073410
上海辦事處：
電話：021-58318011

CTI論壇報道