基于DSP的中文語(yǔ)音合成系統設計

　　引言

　　本文介紹的就是一種基于DSP的中文語(yǔ)音合成系統的實(shí)現方法。隨著(zhù)語(yǔ)音信號處理技術(shù)的不斷發(fā)展與成熟，語(yǔ)音合成正逐步成為信息技術(shù)中人機接口的關(guān)鍵技術(shù)。DSP芯片，即數字信號處理器，是專(zhuān)門(mén)為快速實(shí)現各種信號處理算法而設計的、具有特殊結構的微處理器，其處理速度比最快的CPU還快10~50 倍。

　　1 系統總體方案

　　語(yǔ)音合成的最大特點(diǎn)就是要從有限的存儲單元中合成出無(wú)限字匯的連續語(yǔ)句來(lái)[1]。為了做到這一點(diǎn)，本系統設計了由(1)前端預處理模塊將輸入文本文件轉換成系統可以處理的標準格式;(2)韻律規則庫給出當前語(yǔ)言環(huán)境下各個(gè)音節的韻律特征參數;(3)語(yǔ)音合成器根據給定的韻律特征參數對原始語(yǔ)音庫中相應語(yǔ)音單元的聲學(xué)參數進(jìn)行調整;(4)將經(jīng)過(guò)調整的各個(gè)語(yǔ)音單元拼接在一起，得到相應于輸入文本的連續語(yǔ)音輸出等4個(gè)基本流程組成。系統基本原理框圖如圖1所示。

　　2 硬件系統設計

　　*基金項目：湖南省教育廳(03C025)

　　該中文語(yǔ)音合成系統的目的是對輸入的文本文件能夠清晰地、自然地、能懂地以連續語(yǔ)音地形式輸出。ATMEL公司的AT89S52單片機對鍵盤(pán)輸入的文本文件進(jìn)行 顯示，再送TMS320VC5402處理，最后將合成結果輸出。硬件結構框圖如圖2所示。

　　2.1 鍵盤(pán)電路和顯示電路

　　AT89S52的鍵盤(pán)接口電路是采用中斷方式的，有鍵按下時(shí)，就產(chǎn)生中斷請求，進(jìn)入中斷處理，然后通過(guò)查詢(xún)P1.0和P1.1的情況，進(jìn)行相應的處理。用電阻和電容夠成了消抖電路，以防止電路的誤操作。

　　AT89S52把從鍵盤(pán)輸入的文本信息送給LCD顯示，同時(shí)把數據寫(xiě)到外部存儲器CY7C133，然后TMS320 VC5402讀取CY7C133上的信息進(jìn)行處理。LCD的指令格式如表1所示：

　　表1 LCD的指令格式

　　其中RS, R/W共同決定選擇哪一個(gè)寄存器，如表2所示：

　　表2 寄存器選擇

　　2.2 TMS320VC5402與AT89S52的通信

　　AT89S52和TMS320VC5402各自獨立工作，其信息和數據交換通過(guò)共享一片外部存儲器來(lái)實(shí)現，它們之間信號聯(lián)絡(luò )通過(guò)硬連接和軟件判斷來(lái)實(shí)現[2]。

　　外部存儲器采用的是CY7C133，它是高速的2K X 16bit的靜態(tài)異步雙端口RAM，其存儲速度為25ns。它有兩套獨立的地址線(xiàn)、數據線(xiàn)和控制信號線(xiàn)，允許兩個(gè)控制器件中的數據通過(guò)共同連接的存儲器來(lái)進(jìn)行通信。該雙端口RAM允許兩個(gè)控制器同時(shí)讀取任何存儲單元(包括同時(shí)讀同一單元)，但不允許同時(shí)寫(xiě)或者一讀一寫(xiě)統一地址單元。

　　對于TMS320VC5402，數據存儲器CY7C133的對應地址為4000H~47FFH。

　　對于A(yíng)T89S52，數據存儲器CY7C133的對應地址為2000H~27FFH。

　　3 軟件系統設計

　　漢語(yǔ)作為一種有調語(yǔ)言，其韻律特征非常復雜。為了從有限的存儲單元中合成出無(wú)限字匯的連續語(yǔ)句來(lái)，必須在一定的韻律規則下對語(yǔ)音庫單元的韻律參數進(jìn)行調整，以得到符合當前語(yǔ)流環(huán)境的音變單元[3]。

　　根據得到音變單元的方法不同，可將語(yǔ)音合成器分成兩種類(lèi)型：(1)波形拼接合成;(2)參數合成(又稱(chēng)源/濾波器合成)。本系統采用波形拼接合成的方法直接對波形的時(shí)域和頻域波形進(jìn)行調整以得到所需要的音變單元。

　　簡(jiǎn)單的波形拼接法很難進(jìn)行音高和音長(cháng)(時(shí)間長(cháng)度)調整。因此，本系統采用中性語(yǔ)調音節直接拼接配合基音同步波形疊加(PSOLA)算法，并用碼激勵線(xiàn)性預測(CELP)編碼方法對原始采樣音庫進(jìn)行編碼壓縮的方法?；玖鞒虉D如圖3所示。

　　?

　　4 結束語(yǔ)

　　本系統利用SCM實(shí)時(shí)顯示輸入的文本文件，能夠將合成語(yǔ)音和輸入文本文件實(shí)現對比輸出，直觀(guān)性強;合成算法運算復雜度低，能夠用盡量小的音庫來(lái)實(shí)現對容量有限的存儲空間的占用程度的要求具有清晰度、能懂度和自然度高。