基于可编程交换机的大型分布式TTS系统.doc

基于可编程交换机的大型分布式TTS系统 1. TTS简介 TTS语音转换用途很广，包括电子邮件的阅读、IVR系统的语音提示等等，目前IVR系统已广泛应用于各个行业（如电信、交通运输等）。 TTS所用的关键技术就是语音合成（Speech Synthesis）。早期的TTS一般采用专用的芯片实现， 如德州仪器公司的TMS50C10/TMS50C57、飞利浦的PH84H36等，但主要用在家用电器或儿童玩具中。 而基于微机应用的TTS一般用纯软件实现，主要包括以下几部分： （1） 文本分析 — 对输入文本进行语言学分析，逐句进行词汇的、语法的和语义的分析，以确定句子的低层结构和每个字的音素的组成，包括文本的断句、字词切分、多音字的处理、数字的处理、缩略语的处理等。 语音合成 — 把处理好的文本所对应的单字或短语从语音合成库中提取，把语言学描述转化成语波形。 韵律处理 — 合成音质（Quality of Synthetic Speech）是指语音合成系统所输出的语音的质量，一般从清晰度（或可懂度）、自然度和连贯性等方面进行主观评价。准确度是正确听辨有意义词语的百分率。而自然度用来评价合成语音音质是否接近人说话的声音。合成词语的语调是否自然。而连贯性用来评价合成语句是否流畅。 TTS纯软件处理的流程如下： 在语音输出阶段，语音输出的方式取决于具体的应用。 要合成出高质量的语音， 所采用的算法是极为复杂的，因此对机器的要求也非常高。算法的复杂度决定了目前微机开发进行多通道TTS 的系统容量。 2. TTS在CTI 的应用中的基本构架 在一般的CTI应用系统中，都会有IVR（交互式语音应答系统）。IVR系统是呼叫中心的重要组成部分通过IVR系统，用户可以利用音频按健电话输入信息，从系统中获得预先录制的数字或合成语音信息。服务速度，IVR为呼叫者提供7*24小时的服务。 IVR系统通用的工控机平台上插入语音卡组成，并支持中文语音合成TTS等技术。 一个典型的包含ＴＴＳ服务的电话服务流程可分为： ① 用户电话拨入，系统ＩＶＲ响应，获得用户按键等信息。 ② ＩＶＲ根据用户的按键信息，向数据库服务器申请相关数据。 ③ 数据库服务器返回文本数据给ＩＶＲ。 ④ ＩＶＲ通过其ＴＣＰ通讯接口，将需要合成的文本信息发送给ＴＴＳ服务器。 ⑤ ＴＴＳ服务器将用户文本合成的语音数据分段通过ＴＣＰ通讯接口发送给ＩＶＲ服务器。 ⑥ ＩＶＲ服务器把分段语音数据组装成为独立的语音文件。 ⑦ ＩＶＲ播放相应的语音文件给电话用户。 一般的公共网接入（IVR）大都采用工控机+语音板卡，而合成的语音数据则通过局域网传给IVR。这种结构只适用于简单的应用场合。 如果用这种方式去组建较大的系统，则会存在诸多问题。 （1）两个瓶颈 ① 接入瓶颈 单台工控机的接入容量一般不超过8E1为宜。除了运行应用程序外，它还要控制两个实时端口：实时地通过局域网接收语音数据，并要实时地将接收到的语音数据通过PCI（或ISA）总线传递给语音板卡。如下图所示。 通过局域网传递语音数据本来就不能保证其时实时性，其结果就是用户听到的语音经常断续，保证不了语音质量。如果传递的语音数据是经过压缩的，语音数据本来就是通过TTS进行合成的，再经过压缩，则音质会有很大的损伤，因此同样保证不了语音质量。从上图中我们可以看到，经TTS合成的语音数据从局域网经过网卡，再通过主板PCI（或ISA）总线进入语音卡，最后进入电信网，同样语音数据通过计算机主板经PCI（或ISA）总线进入语音卡也要求是时实的。这两种时实性的要求会导致在接入量比较大的情况下，会给计算机的总线造成很大的负担。因为总线的带宽（数据吞吐量）是有限的，况且其它的板卡和接口（如声卡、显示卡等）也要直接或间接地占用总线。因此在接入量比较大的情况下，计算机的总线带宽会成为一个比较关键的瓶颈。即便提高语音板卡的接入能力，在有大量电话接入的情况下，由于语音数据实时性的要求，也不能保证语音质量。 ② I/O插槽和语音板卡容量的限制： 目前计算机的I/O插槽，特别是PCI插槽有限，不可能插入大量的语音板卡，再加上语音板卡的容量不会太高，因此单台计算机的接入能力相对较小。要组建比较大的系统，就必须采用多台计算机接入，这就必然会引入机间交换的问题。用语音板卡和多台机器构建大中型CTI系统时，机器间要通过电缆连接才能使系统同步运行，但交换用的时钟同步信号和数据信号的频率很高，极易受到外界干扰，造成系统的不稳定。 （2） 系统复杂度的限制 基于语音板卡构建较大规模的应用系统时，除了系统稳定性的因素外，还要考虑系统的复杂度。对一个应用系统来说，除上面提到的因素外，复杂度本身就是影响系统稳定性的要素之一。除此之外，系统复杂度的增加，会使系统的灵活性和可维护