專(zhuān)利名稱(chēng)：Gsm手機(jī)實(shí)現(xiàn)語(yǔ)音合成功能的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及全球移動(dòng)通訊系統(tǒng)(Global System for Mobile Communications ，以
下簡(jiǎn)稱(chēng)為GSM手機(jī))，特別是一種GSM手機(jī)實(shí)現(xiàn)語(yǔ)音合成功能的方法，尤其涉及GSM 手機(jī)應(yīng)用軟件加載需要語(yǔ)音輸出的文本字符串，送給第三方語(yǔ)音合成庫(kù)，合成PCM 多媒體流格式數(shù)據(jù)，再將PCM數(shù)據(jù)傳遞給GSM手機(jī)多媒體模塊播放，從而實(shí)現(xiàn)GSM 手機(jī)將需要的文本數(shù)據(jù)(短消息、電子書(shū)、電子詞典、來(lái)電號(hào)碼等)合成為語(yǔ)音數(shù) 據(jù)播放出來(lái)的功能。
背景技術(shù)：
語(yǔ)音合成技術(shù)(Text-to-Speech，簡(jiǎn)稱(chēng)TTS)，學(xué)名為文語(yǔ)轉(zhuǎn)換系統(tǒng)，是指利用計(jì) 算機(jī)將任意組合的文本文件轉(zhuǎn)化為聲音文件，并通過(guò)聲卡、電話語(yǔ)音卡等多媒體設(shè) 備將聲音輸出的技術(shù)。目前語(yǔ)音合成技術(shù)已經(jīng)廣泛應(yīng)用于個(gè)人計(jì)算機(jī)中，運(yùn)用TTS 技術(shù)可開(kāi)發(fā)出各種"會(huì)說(shuō)話"的軟件，實(shí)現(xiàn)人機(jī)對(duì)話、語(yǔ)音教學(xué)、助讀助聽(tīng)、有聲校 對(duì)等應(yīng)用。但是嵌入式系統(tǒng)，例如GSM手機(jī)中，語(yǔ)音合成技術(shù)的應(yīng)用還不多見(jiàn)，將 該技術(shù)應(yīng)用于嵌入式GSM手機(jī)中，可以克服GSM手機(jī)屏幕窄小的缺陷，實(shí)現(xiàn)收聽(tīng)信 息。將語(yǔ)音合成技術(shù)應(yīng)用于閱讀收聽(tīng)短消息、電子書(shū)等文本信息，以及在呼入呼出 時(shí)，將電話號(hào)碼以語(yǔ)音播放，能夠進(jìn)一步提升GSM手機(jī)與用戶(hù)的交互環(huán)境，對(duì)于方 便用戶(hù)具有重要的實(shí)際意義。
我們知道，文本數(shù)據(jù)通過(guò)語(yǔ)音合成為PCM數(shù)據(jù)功能的實(shí)現(xiàn)完全是軟件編碼，而 目前GSM手機(jī)基帶處理器都是串行執(zhí)行指令，因而第三方語(yǔ)音合成模塊在進(jìn)行語(yǔ)音 合成時(shí)會(huì)完全占用系統(tǒng)處理器的指令周期，而目前GSM基帶處理器的執(zhí)行速度每秒 處理的百萬(wàn)級(jí)的機(jī)器語(yǔ)言指令數(shù)(Million Instructions Per Second ，簡(jiǎn)稱(chēng)為MIPS) 與個(gè)人計(jì)算機(jī)的處理器相比還非常低，造成語(yǔ)音合成執(zhí)行消耗的時(shí)間都相對(duì)很長(zhǎng)， 測(cè)試發(fā)現(xiàn)一塊40字節(jié)的文本，從開(kāi)始送文本數(shù)據(jù)到語(yǔ)音合成結(jié)束耗用的時(shí)間大約是 500毫秒。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問(wèn)題重點(diǎn)在于如何實(shí)現(xiàn)文本數(shù)據(jù)能夠在GSM手機(jī)上實(shí)時(shí)進(jìn) 行語(yǔ)音播放。解決語(yǔ)音合成技術(shù)集成到GSM手機(jī)中的技術(shù)問(wèn)題，包括己有軟件系 統(tǒng)對(duì)語(yǔ)音合成模塊的內(nèi)存、堆棧合理分配，由于單次語(yǔ)音合成的文本字節(jié)數(shù)與消耗的 內(nèi)存堆棧是成正比的，我們既要保證模塊消耗的內(nèi)存堆棧不超過(guò)系統(tǒng)ram的極限值，又要保證單次語(yǔ)音合成的文本字節(jié)數(shù)盡可能大，本方法對(duì)系統(tǒng)內(nèi)存的額外消耗大約 在250k字節(jié)，單次合成文本40字節(jié)；各種應(yīng)用文本字符串的提??；將第三方語(yǔ)音 合成庫(kù)集成到已有的軟件系統(tǒng)架構(gòu)中；TTS合成的PCM語(yǔ)音數(shù)據(jù)實(shí)時(shí)播放；與其他 多媒體語(yǔ)音播放應(yīng)用在并發(fā)事件時(shí)的處理。最終提供一種GSM手機(jī)實(shí)現(xiàn)語(yǔ)音合成功 能的方法。
本發(fā)明的技術(shù)解決方案如下
一種GSM手機(jī)實(shí)現(xiàn)語(yǔ)音合成功能的方法，其特點(diǎn)是包括提取文本文件、將文件 數(shù)據(jù)送給語(yǔ)音合成模塊編碼成脈沖編碼調(diào)制(Pulse Code Modulation,簡(jiǎn)稱(chēng)PCM) 數(shù)據(jù)和PCM數(shù)據(jù)音頻播放三個(gè)過(guò)程，在GSM手機(jī)的基帶處理器中設(shè)置語(yǔ)音合成模塊 和PCM音頻播放模塊，GSM手機(jī)的實(shí)時(shí)多任務(wù)操作系統(tǒng)給語(yǔ)音合成模塊設(shè)置一個(gè)語(yǔ) 音合成任務(wù)，給所述的PCM音頻播放模塊設(shè)置PCM數(shù)據(jù)音頻播放任務(wù)，并規(guī)定所述 的語(yǔ)音合成任務(wù)的優(yōu)先級(jí)低于所述的PCM數(shù)據(jù)音頻播放任務(wù)的優(yōu)先級(jí)，GSM手機(jī)獲 得文本文件后，所述的基帶處理器的語(yǔ)音合成模塊首先對(duì)第一塊文件數(shù)據(jù)進(jìn)行語(yǔ)音 合成為PCM數(shù)據(jù)，送所述的PCM音頻播放模塊進(jìn)行PCM數(shù)據(jù)播放，所述的語(yǔ)音合成 模塊在PCM數(shù)據(jù)播放任務(wù)的時(shí)候完成下一塊文件數(shù)據(jù)的語(yǔ)音合成，在一塊PCM數(shù)據(jù) 音頻播放完成之后，立即將已合成好的下一塊PCM數(shù)據(jù)送給所述的PCM音頻播放模 塊繼續(xù)進(jìn)行播放，從而實(shí)現(xiàn)文本數(shù)據(jù)能夠在GSM手機(jī)上實(shí)時(shí)進(jìn)行語(yǔ)音播放 所述的GSM手機(jī)實(shí)現(xiàn)語(yǔ)音合成功能的方法，具體包括下列步驟
步驟1:手機(jī)初始化，建立語(yǔ)音合成任務(wù)及PCM音頻播放任務(wù)，并規(guī)定語(yǔ)音合 成任務(wù)的優(yōu)先級(jí)低于所述的PCM數(shù)據(jù)播放任務(wù)的優(yōu)先級(jí)；
步驟2:初始化語(yǔ)音合成模塊，在手機(jī)系統(tǒng)中給模塊分配合適的內(nèi)存及堆棧，
并初始化相關(guān)全局變量及狀態(tài)；
步驟3: GSM手機(jī)獲得文本文件后，語(yǔ)音合成模塊狀態(tài)設(shè)置為"運(yùn)行"，所述的 語(yǔ)音合成模塊將第1塊文件數(shù)據(jù)的語(yǔ)音合成為第1幀PCM數(shù)據(jù)，立刻開(kāi)始第2塊文 件數(shù)據(jù)的語(yǔ)音合成；同時(shí)發(fā)消息給PCM音頻播放模塊，該P(yáng)CM音頻播放模塊通過(guò)外 圍器件和喇叭開(kāi)始播放第1幀PCM數(shù)據(jù)；
步驟4:第1幀PCM數(shù)據(jù)播放完成，正好所述的語(yǔ)音合成模塊將第2塊文件數(shù) 據(jù)合成為第2幀PCM數(shù)據(jù)，發(fā)消息給所述的PCM音頻播放模塊開(kāi)始第2幀PCM數(shù)據(jù) 播放，同時(shí)啟動(dòng)第3塊文本數(shù)據(jù)的合成；
步驟5:重復(fù)第3第4步，直到最后1幀PCM數(shù)據(jù)合成結(jié)束并播放完成，語(yǔ)音
合成模塊狀態(tài)設(shè)置為"完成"。
所述的步驟2的具體內(nèi)容包括申請(qǐng)存放合成輸出數(shù)據(jù)的緩存ram，申請(qǐng)語(yǔ)音 合成模塊內(nèi)部運(yùn)行所需的堆棧ram，設(shè)置語(yǔ)音合成輸入輸出的回調(diào)方式，設(shè)置語(yǔ)音合成語(yǔ)種、發(fā)音風(fēng)格、音量、音效參數(shù)，選定每幀合成文本數(shù)據(jù)的大小為40個(gè)字節(jié)， 再將語(yǔ)音合成模塊狀態(tài)設(shè)置為"準(zhǔn)備好"；
所述的文本文件是需要經(jīng)語(yǔ)音合成模塊編碼成PCM格式數(shù)據(jù)并進(jìn)行PCM數(shù)據(jù)音 頻播放的文本文件，包括短消息、電子書(shū)、電子詞典或來(lái)電號(hào)碼。
所述的文件數(shù)據(jù)是字符串。
本發(fā)明的技術(shù)效果-
本發(fā)明針對(duì)上述現(xiàn)有技術(shù)提到的語(yǔ)音合成時(shí)間較長(zhǎng)的問(wèn)題，為了在效果上能夠 達(dá)到一邊合成數(shù)據(jù)， 一邊語(yǔ)音播放的效果，在GSM手機(jī)軟件實(shí)時(shí)多任務(wù)操作系統(tǒng)給 語(yǔ)音合成模塊設(shè)置一個(gè)語(yǔ)音合成任務(wù)，給所述的PCM音頻播放模塊設(shè)置PCM數(shù)據(jù)音 頻播放任務(wù)，并規(guī)定所述的語(yǔ)音合成任務(wù)的優(yōu)先級(jí)低于所述的PCM數(shù)據(jù)音頻播放任 務(wù)的優(yōu)先級(jí)，這樣的設(shè)計(jì)能夠?qū)崿F(xiàn)在PCM播放任務(wù)處于空閑的時(shí)候，完成下一塊文 本數(shù)據(jù)的合成。這樣在一塊PCM數(shù)據(jù)播放完成之后，可以立即將已合成好的下一塊 PCM數(shù)據(jù)送給PCM音頻播放模塊繼續(xù)進(jìn)行播放，由于控制每幀合成文本數(shù)據(jù)的大小 為40字節(jié)，整個(gè)合成流程消耗系統(tǒng)時(shí)間約500毫秒，而該幀PCM數(shù)據(jù)播放時(shí)間大于 2秒，因而第1幀PCM播放完成時(shí)，第2塊文本數(shù)據(jù)也已經(jīng)合成為PCM數(shù)據(jù)。實(shí)現(xiàn) 了語(yǔ)音合成與PCM音頻播放的同步運(yùn)行，文本數(shù)據(jù)能夠在GSM手機(jī)上進(jìn)行實(shí)時(shí)語(yǔ)音 播放，中間不會(huì)感覺(jué)到停頓。運(yùn)用本發(fā)明方法，使GSM手機(jī)更加具有人性化以及智 能化的特征，用戶(hù)使用更加方便，對(duì)于提升GSM手機(jī)與用戶(hù)的交互環(huán)境，有著實(shí)際 使用意義和實(shí)用價(jià)值。


圖1是本發(fā)明GSM手機(jī)實(shí)現(xiàn)語(yǔ)音合成功能的方法的GSM手機(jī)系統(tǒng)方框圖， 圖2是本發(fā)明語(yǔ)音合成及PCM數(shù)據(jù)播放的流程圖，
具體實(shí)施例方式
下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明，但不要以此限制本發(fā)明的保護(hù) 范圍。
先請(qǐng)參閱圖1，圖1是本發(fā)明GSM手機(jī)實(shí)現(xiàn)語(yǔ)音合成功能的方法的GSM手機(jī)系統(tǒng) 方框圖，
語(yǔ)音合成代碼及PCM編碼資源存儲(chǔ)于手機(jī)系統(tǒng)FLASH13中。在在GSM手機(jī)的基 帶處理器1中設(shè)置語(yǔ)音合成模塊11和PCM音頻播放模塊12，語(yǔ)音合成功能運(yùn)行時(shí)， 將要合成的文本字符送給語(yǔ)音合成模塊11，語(yǔ)音合成模塊11依靠TTS編碼資源將 字符數(shù)據(jù)解析并編碼為PCM流媒體格式，之后送給PCM音頻播放模塊12并通過(guò)外圍功放器件2及喇叭3播放。
再參閱圖2，圖2是本發(fā)明語(yǔ)音合成及PCM數(shù)據(jù)播放的流程圖，所述的GSM手機(jī)
實(shí)現(xiàn)語(yǔ)音合成的方法，具體包括下列步驟
步驟1:手機(jī)初始化，建立語(yǔ)音合成任務(wù)及PCM音頻播放任務(wù)，并規(guī)定語(yǔ)音合 成任務(wù)的優(yōu)先級(jí)低于所述的PCM數(shù)據(jù)播放任務(wù)的優(yōu)先級(jí)；
步驟2:初始化語(yǔ)音合成模塊12，在手機(jī)系統(tǒng)中給模塊分配合適的內(nèi)存及堆棧，
并初始化相關(guān)全局變量及狀態(tài)，并從FLASH獲得TTS資源；
步驟3: GSM手機(jī)獲得文本文件后，所述的語(yǔ)音合成模塊ll獲得第l塊文本字 符并將第1塊文本字符串合成為第1幀PCM數(shù)據(jù)，立刻開(kāi)始獲得第2塊文件字符串 并對(duì)第2塊文件字符串進(jìn)行語(yǔ)音合成；同時(shí)發(fā)消息給PCM音頻播放模塊，該P(yáng)CM音 頻播放模塊12通過(guò)外圍器件2和喇叭3開(kāi)始播放第1幀PCM數(shù)據(jù)；
步驟4:第1幀PCM數(shù)據(jù)播放完成，正好所述的語(yǔ)音合成模塊11將第2塊文件 數(shù)據(jù)合成為第2幀PCM數(shù)據(jù)，發(fā)消息給所述的PCM音頻播放模塊12開(kāi)始第2幀PCM 數(shù)據(jù)播放，同時(shí)啟動(dòng)第3塊文本數(shù)據(jù)的合成；
步驟5:重復(fù)第3第4步，直到最后1幀PCM數(shù)據(jù)合成結(jié)束并播放完成。
試驗(yàn)表明，由于PCM音頻播放任務(wù)優(yōu)先級(jí)高于語(yǔ)音合成任務(wù)，在PCM音頻播放 模塊12進(jìn)行第1幀PCM播放的間隙，所述的語(yǔ)音合成模塊11完成第2塊文本數(shù)據(jù) 同步在合成；由于控制每幀合成文本數(shù)據(jù)的大小為40字節(jié)，整個(gè)合成流程消耗系統(tǒng) 時(shí)間約500毫秒，而該幀PCM數(shù)據(jù)播放時(shí)間大于2秒，因而第1幀PCM播放完成時(shí)， 第2塊文本數(shù)據(jù)也已經(jīng)合成為PCM數(shù)據(jù)。實(shí)現(xiàn)了語(yǔ)音合成與PCM音頻播放的同步運(yùn) 行，達(dá)到了文本字符串實(shí)時(shí)語(yǔ)音播放的效果。
權(quán)利要求
1、一種GSM手機(jī)實(shí)現(xiàn)語(yǔ)音合成功能的方法，包括提取文本文件、將文本文件數(shù)據(jù)送給語(yǔ)音合成模塊編碼成PCM格式數(shù)據(jù)和PCM數(shù)據(jù)音頻播放，其特征是在GSM手機(jī)的基帶處理器中設(shè)置語(yǔ)音合成模塊和PCM音頻播放模塊，GSM手機(jī)的實(shí)時(shí)多任務(wù)操作系統(tǒng)給語(yǔ)音合成模塊設(shè)置一個(gè)語(yǔ)音合成任務(wù)，給所述的PCM音頻播放模塊設(shè)置PCM數(shù)據(jù)音頻播放任務(wù)，并規(guī)定所述的語(yǔ)音合成任務(wù)的優(yōu)先級(jí)低于所述的PCM數(shù)據(jù)音頻播放任務(wù)的優(yōu)先級(jí)，GSM手機(jī)獲得文本文件后，所述的基帶處理器的語(yǔ)音合成模塊首先對(duì)第一塊文本數(shù)據(jù)進(jìn)行語(yǔ)音合成，送所述的PCM音頻播放模塊進(jìn)行PCM數(shù)據(jù)音頻播放，所述的語(yǔ)音合成模塊在PCM數(shù)據(jù)播放任務(wù)的時(shí)間完成下一塊文本數(shù)據(jù)的語(yǔ)音合成，在一塊PCM數(shù)據(jù)音頻播放完成之后，立即將已合成好的下一塊PCM數(shù)據(jù)送給所述的PCM音頻播放模塊繼續(xù)進(jìn)行播放，從而實(shí)現(xiàn)文本數(shù)據(jù)能夠在GSM手機(jī)上實(shí)時(shí)進(jìn)行語(yǔ)音播放
2、 根據(jù)權(quán)利要求1所述的GSM手機(jī)實(shí)現(xiàn)語(yǔ)音合成功能的方法，其特征在于包括下列步驟步驟1:手機(jī)初始化，建立語(yǔ)音合成任務(wù)及PCM音頻播放任務(wù)，并規(guī)定語(yǔ)音合 成任務(wù)的優(yōu)先級(jí)低于所述的PCM數(shù)據(jù)播放任務(wù)的優(yōu)先級(jí)；步驟2:初始化語(yǔ)音合成模塊，在手機(jī)系統(tǒng)中給模塊分配合適的內(nèi)存及堆棧，并初始化相關(guān)全局變量及狀態(tài)；步驟3: GSM手機(jī)獲得文本文件后，所述的語(yǔ)音合成模塊將第l塊文本數(shù)據(jù)的語(yǔ) 音合成為第1幀PCM數(shù)據(jù)，立刻開(kāi)始第2塊文本數(shù)據(jù)的合成；同時(shí)發(fā)消息給PCM音 頻播放模塊，該P(yáng)CM音頻播放模塊通過(guò)外圍器件和喇叭開(kāi)始播放第1幀PCM數(shù)據(jù)；步驟4:第1幀PCM數(shù)據(jù)播放完成，正好所述的語(yǔ)音合成模塊將第2塊文本數(shù) 據(jù)合成為第2幀PCM數(shù)據(jù)，發(fā)消息給所述的PCM音頻播放模塊開(kāi)始第2幀PCM數(shù)據(jù) 播放，同時(shí)啟動(dòng)第3塊文本數(shù)據(jù)的合成；步驟5:重復(fù)第3第4步，直到最后1幀PCM數(shù)據(jù)合成結(jié)束并播放完成。
3、 根據(jù)權(quán)利要求2所述的GSM手機(jī)實(shí)現(xiàn)語(yǔ)音合成功能的方法，其特征在于所述 的步驟2具體包括申請(qǐng)存放合成輸出數(shù)據(jù)的緩存ram，申請(qǐng)語(yǔ)音合成模塊內(nèi)部運(yùn) 行所需的堆棧ram，設(shè)置語(yǔ)音合成輸入輸出的回調(diào)方式，設(shè)置語(yǔ)音合成語(yǔ)種、發(fā)音 風(fēng)格、音量、音效參數(shù)，選定每幀合成文本數(shù)據(jù)的大小為40個(gè)字節(jié)，再將語(yǔ)音合成模塊狀態(tài)設(shè)置為"準(zhǔn)備好"；
4、 根據(jù)權(quán)利要求1所述的GSM手機(jī)實(shí)現(xiàn)語(yǔ)音合成功能的方法，其特征在于所述 的文本是需要經(jīng)語(yǔ)音合成模塊編碼成PCM格式數(shù)據(jù)并進(jìn)行PCM數(shù)據(jù)音頻播放的文本，包括短消息、電子書(shū)、電子詞典或來(lái)電號(hào)碼。
5、根據(jù)權(quán)利要求1所述的GSM手機(jī)實(shí)現(xiàn)語(yǔ)音合成功能的方法，其特征在于所述 的文本數(shù)據(jù)是字符串。
全文摘要
一種GSM手機(jī)實(shí)現(xiàn)語(yǔ)音合成功能的方法，尤其涉及GSM手機(jī)應(yīng)用軟件加載需要語(yǔ)音輸出的文本文件，送給第三方語(yǔ)音合成庫(kù)，合成PCM數(shù)據(jù)，再將PCM數(shù)據(jù)傳遞給PCM音頻播放模塊播放，從而實(shí)現(xiàn)GSM手機(jī)將需要的文本數(shù)據(jù)合成為語(yǔ)音數(shù)據(jù)播放出來(lái)的功能。
文檔編號(hào)H04M1/725GK101299332SQ200810038930
公開(kāi)日2008年11月5日 申請(qǐng)日期2008年6月13日 優(yōu)先權(quán)日2008年6月13日
發(fā)明者進(jìn) 肖 申請(qǐng)人:嘉興聞泰通訊科技有限公司