人工智能交互集成在線語音合成能力的Tips

在線語音合成就是在聯網的場景下將文字轉換成聲音，實現機器向人的聲音交互。這個概念應該是比較好理解的，下面就結合Android在線合成的Demo講解一下合成的流程以及你們常常遇到的一些問題。

到官網SDK下載中心下載在線命令詞識別SDK（這裏以Android版本爲例）後，能夠發現壓縮包裏面的目錄結構和聽寫的很是相似，這裏告訴你們一個小祕密：

在官網下載Android的這三個選項下載的SDK包是如出一轍的，爲何會這樣呢？由於聽寫、在線合成、在線命令詞三個功能在咱們平臺是放在一個SDK 包裏的，版本也是作統一維護，SDK包裏的demo天然也是集合了這個三個功能的演示功能（固然還包含一些其餘功能，如語義理解、評測），以下圖所示：

 

紅框中的java文件從上到下依次是：命令詞識別子demo、聽寫子demo、評測子Demo、Demo主入口界面、SpeechUtility初始化、 合成子Demo、語義理解子Demo。可能有人注意到，其中命令詞識別子demo、聽寫子demo、合成子Demo都有對應本地功能，這些本地功能是有語 記APP提供的，而不是離線SDK提供的，因此若是你的手機上沒有安裝語記APP，你在demo裏看到的這些本地功能是用不了的（報錯語音組件未安裝 21001），這部分想有更進一步的瞭解見帖子：

21001問題詳解：http://bbs.xfyun.cn/forum.php?mod=viewthread&tid=11724&fromuid=33982

下面看一下TtsDemo.java裏面的調用流程，注意在這以前必定別忘了SpeechApp.java裏面的SpeechUtility初始化。

**首先是初始化合成對象**

                mTts = SpeechSynthesizer.createSynthesizer(TtsDemo.this, mTtsInitListener);

mTtsInitListener是初始化監聽器，比較保險的作法是在初始化回調成功後再進行下面的操做。

**而後是設置相關合成參數**

                // 清空參數

                mTts.setParameter(SpeechConstant.PARAMS, null);

                // 根據合成引擎設置相應參數

                if(mEngineType.equals(SpeechConstant.TYPE_CLOUD)) {

                        mTts.setParameter(SpeechConstant.ENGINE_TYPE, SpeechConstant.TYPE_CLOUD);

                        // 設置在線合成發音人

                        mTts.setParameter(SpeechConstant.VOICE_NAME, voicer);

                        if(!"neutral".equals(emot)){

                                // 當前僅發音人「小艾」支持設置情感

                                // 「小艾」發音人須要付費使用，具體請聯繫：msp_support@iflytek.com

                                mTts.setParameter(SpeechConstant.EMOT, emot);

                        }

                //設置合成語速

                mTts.setParameter(SpeechConstant.SPEED, mSharedPreferences.getString("speed_preference", "50"));

                //設置合成音調

                mTts.setParameter(SpeechConstant.PITCH, mSharedPreferences.getString("pitch_preference", "50"));

                //設置合成音量

                mTts.setParameter(SpeechConstant.VOLUME, mSharedPreferences.getString("volume_preference", "50"));

                //設置播放器音頻流類型

                mTts.setParameter(SpeechConstant.STREAM_TYPE, mSharedPreferences.getString("stream_preference", "3"));

                // 設置播放合成音頻打斷音樂播放，默認爲true

                mTts.setParameter(SpeechConstant.KEY_REQUEST_FOCUS, "true");

                // 設置音頻保存路徑，保存音頻格式支持pcm、wav，設置路徑爲sd卡請注意WRITE_EXTERNAL_STORAGE權限

                // 注：AUDIO_FORMAT參數語記須要更新版本才能生效

                mTts.setParameter(SpeechConstant.AUDIO_FORMAT, "wav");

                mTts.setParameter(SpeechConstant.TTS_AUDIO_PATH, Environment.getExternalStorageDirectory()+"/msc/tts.wav");

相關參數的做用在註釋中已經說的比較詳細了。

**最後開始合成**

                mTts.startSpeaking(text, mTtsListener);

其中text就是你須要合成的文本，mTtsListener是合成監聽器，裏面包含了合成進度、合成完成等等很是有用的回調。

**常見問題及解答：**

一、發音人蔘數能夠設置成哪些發音人呢？

目前支持的在線發音人列表見下面的帖子

【官方】合成發音人在線、離線支持狀況

http://bbs.xfyun.cn/forum.php?mod=viewthread&tid=12012&fromuid=33982

(出處: 語音雲社區)

二、一次能夠合成多長的文本呢？我要合成文本超長了怎麼辦？

合成文本是有長度限制的，一次最長合成8192個字節的文本，你可能根據你的文本的編碼格式換算出支持的最長字符數。若是你要合成的文本超長了，你能夠將他按照長度限制進行切分，分屢次合成後再依次進行音頻數據的合併或者播放。

三、在線合成的音頻數據是沒有通過壓縮的嗎？會不會很是耗費流量？

和聽寫時音頻數據的上傳相似，合成是服務器返回的音頻 數據是通過」speex編碼「壓縮過的，壓縮比約爲1:10，也就是時候服務端將合成的音頻進行1:10的壓縮，而後客戶端SDK接收到音頻後再解碼成非 壓縮的原始音頻，那麼按照16K採樣率16位採樣精度單聲道的音頻來計算，1秒鐘的音頻壓縮後的大小大約爲3K左右，並非很是的大。另外上面提到的 speex編碼並非普通的speex編碼，所以這兩種方式壓縮出來的音頻也不能通用。