中文TTS 的简单实现（基于linux）之 语音库的实现

1.1根据汉字编码规则获取汉字字符集的文本文件

1.1.1编码知识：

         所谓编码，是以固定的顺序排列字符，并以此作为记录、存贮、传递、交换的统一内部特征。一个汉字有ASC II码、区位码等与之对应。ASC II码中对应于码值161到254的字符用于表示汉字，每个汉字用两个ASC1I码值对应的字符表示。区位码用4位数字表示，前两位从01到94称区码，后两位从01到94称位码。一个汉字的前一半是ASC II码为“160+区码”的字符，后一半是ASCII码为“160+位码”的字符。例如：“刘”的区位码是3385，其意为区码33和位码85，它是由ASCII码为160+33=193和160+85=245的两个字符组成。

    该文所说的汉字字符集一般是指ISO 10646．1 即GB130o0．1。在Windows 95／98／2000中，微软提供了“汉字扩展内码规范(GBK)”以解决汉字的收字不足、简繁共存、简化代码体系间转换等汉字信息交换的瓶颈问题，利用GBK可以方便解决“镕”、“薯”等大量汉字的交换问题而不必自行造字了。GBK字库共分为5部分，其中GBK／1和GBK／5为符号部分，GBK／2为国标汉字部分，GBK／3和GBK／4为扩展汉字部分。其中，第16区至55区为一级汉字，以拼音排序，共计3755字，56—87区为二级汉字，按偏旁部首排序，共计3008字。

1.1.2程序代码：
   用C++实现的获取GBK中一级汉字字符的代码段如下:

 //getgbk．cpp一获取GBK汉字码文件
#include <strstream h>  //字符串I/O操作
#include <fstream．h>   //文件I/O操作
 unsigned char oneline[4];
 ofstream ofs("gbhz.txt",ios::binary );
 oneline[2]=163;
 oneline[3]=172;
 int qm;
 int wm;
 for( qm=176;qm<=247;qm++)  //区码0XB0—0XD7 87
  for(wm=161;wm<=254;wm++) //位码0XA1—0XFE
   if(!((qm==247)&&(wm=250)))
    //剔除GBK中没有编码的字位
   {
    oneline[0]=qm; //汉字区码
    oneline[1]=wm; //汉字位码
    ofs.write((char *)&oneline,4); //写一行至gbhz txt
    
   }//if end

1.2：根据取得的汉字集，使用一些报读软件生成该汉字集的语音文件，一般为WAV格式的。
          这里取名为gbhz.wav
1.3：处理汉字集读音文件的格式
      1.3.1 理解WAV文件格式
WAVE文件作为多媒体中使用的声波文件格式之一．它是以RlFF格式为标准的 每个wAVE文件的头4个字节便是
“RIFF” WAVE文件由文件头和数据体两大部分组成。其中文件头又分为RIFE／WAV文件标识段和声音数据格式说明段两部分 。WAVE文件格式说明见下表，

可以以时域-幅度的方式显示出原始声音的波形，这是最简单同时也是最直接的信息处理方式。在时域范国内，可以观察该信号波形是否连续，中间是否有祧变等。据发现，经语音引擎处理后，每个汉字所对应的语音数据长度不尽相同．这给以后截取每个汉字的语音数据造成了困难。因此．为了区分每个汉宇的语音数据．在生成汉字字符集时．在每个汉字后添加了一个逗号作为闻隔符 这样生成的语音文件的波形图(部分)如图1所示
                                                           图1:

1.3.2生成新的汉字字符集的话音文件的算法
(1)打开gbhz.wav．从gbhz.wav中读人文件头CHAR HEAD[46]。46为文件头长度。
(2)从gbhz.wav 中读入第一个汉字的语音波形数据放入CHAR BUFFER[3200]。
3200为一个汉字的语音波形数据长度．选取决于形成语音的速率、音质等因素
(3)读后面的数据，如果是0x80则不做处理．继续往后读。
ox8O是逗号语音数据，既没有发音的数据。
(4)直到读到第一个不是逗号的语音数据，开始记录第二
个汉字的语音波形数据到CHAR BUFFER[3200]
(5)重复3．4步直到读完全部的语音波形数据。

合成新的汉字字符集的语音文件后的波形图(部分)如图2所示
                         图2：新的语音文件波形图

1.3.3 处理代码如下：
#define  MAXLEN  32000
int HandingWav()
{ 
 FILE * fpf,*fpt; //文件操作指针 
 if((fpf=fopen("gbhz.wav","rb+"))==NULL)   //gbhz.wav为处理前的语音文件
     return -1;
 if((fpt=fopen("ddd.wav","rb+"))==NULL)  //ddd.wav为合成的新的语音文件
     return -1;
 
 char head[46];     //wav文件的文件头长度
 char data[100];    //用来加速文件处理的数组
 char buffer[MAXLEN];
 memset(buffer,0,MAXLEN);
 fread(head,sizeof(head),1,fpf);    //head of wav 
 fwrite(head,sizeof(head),1,fpt);
 while(!feof(fpf))
 {
        fread(buffer,MAXLEN,1,fpf);  //读一个字的发音
        fwrite(buffer,MAXLEN,1,fpt);  //写一个字
        memset(buffer,0,MAXLEN); 
        fread(data,1,1,fpf); //读一个字节
        while(data[0]==char(0x80)) //判断是否为0x80
         {
           if(fread(data,100,1,fpf)==-1) //每次取100个字节，但只判断第一个字节，这样可以加速文件处理
                {
                   fclose(fpf);
                   fclose(fpt);
                   return -1;
                 }  //end if
           }  //end while  判断是否为0x80
 }  // end while(!feof(fpf))

 fclose(fpf);  //关闭文件
 fclose(fpt);
 return 0; 
}

经过以上的操作后，就形成了我们所要的语音库了。

文章导读：