基于SPCE061A的通用漢字文本播音系統

　　0引言

　　嵌入式語(yǔ)音播放系統應用日益廣泛。漢字語(yǔ)音播放的方法有錄音芯片法、語(yǔ)音合成芯片法及漢字語(yǔ)音庫法等。Flash存儲器容量不斷增大，利用Windows的Speech SDK可以方便地提取漢字語(yǔ)音文件，因此漢字語(yǔ)音庫法得以廣泛應用。

　　漢字語(yǔ)音庫法可分為專(zhuān)用語(yǔ)音播放和通用語(yǔ)音播放兩類(lèi)。專(zhuān)用語(yǔ)音播放系統只存儲少量固定的語(yǔ)音資源，只需較小的存儲容量，但應用范圍有限。通用語(yǔ)音播放系統存儲所有不同讀音漢字的單字語(yǔ)音資源，可實(shí)現任意文本組合的語(yǔ)音播放，適用于播放內容經(jīng)常更新的場(chǎng)合。本系統由1220個(gè)不同讀音漢字讀音文件構成語(yǔ)音庫，存于一片Flash存儲器中，實(shí)現了基于SPCE061A的嵌入式通用漢字文本語(yǔ)音播放系統。系統硬件簡(jiǎn)單，使用方便，成本低廉，適用于公交車(chē)報站器等應用系統中。

　　1硬件原理

　　直接由漢字的wave讀音文件構成的語(yǔ)音庫占存儲空間很大，語(yǔ)音文件壓縮后，可使語(yǔ)音庫數據占Flash存儲器空間大大減小。凌陽(yáng)為語(yǔ)音播放提供了多種壓縮算法，本系統采用碼激勵線(xiàn)性預測(CELP)編碼的SACM_S480壓縮算法，其壓縮比例為80：3。壓縮后的語(yǔ)音資源數據可存放在一片512 kB的Flash存儲器中。

　　普通單片機為核心的語(yǔ)音播放系統硬件上需要較多的外圍器件和電路，如存儲器、D／A轉換器等，軟件上語(yǔ)音解壓縮速度不快會(huì )影響其他操作。而若采用嵌入式微處理器實(shí)現語(yǔ)音播放系統則成本太高。凌陽(yáng)16位單片機SPCE061A是一個(gè)最佳的選擇，它帶有DSP指令，將嵌入式語(yǔ)音系統所需的A／D、D／A等功能模塊都集成在一個(gè)芯片中，具有很強的可編程音頻處理功能。凌陽(yáng)還提供SACM_LIB語(yǔ)音庫(本系統使用SACMV26e.lib)可實(shí)現錄音、播放和語(yǔ)音識別等功能。

　　本系統硬件原理如圖1所示，主要由SPCE061A單片機和外部Flash存儲器SPR4096A兩個(gè)芯片組成。SPCE061A運行所有語(yǔ)音解碼播放及其他操作的軟件功能，它的D／A輸出經(jīng)音頻功放SPY0030接揚聲器。SPR4096A存儲包括漢字讀音序號索引表、語(yǔ)音資源地址索引表和語(yǔ)音資源數據的所有語(yǔ)音信息。

        
 
　　通用文本語(yǔ)音播放有預先存儲固定文本播放、接收文本后播放和實(shí)時(shí)文本播放等3種工作方式。實(shí)時(shí)文本播放方式對系統的軟件處理能力的要求最高，最能檢驗系統的語(yǔ)音播放操作與其他操作的配合情況，故本系統采用實(shí)時(shí)文本播放的方式進(jìn)行程序調試，即串行口輸入漢字的同時(shí)進(jìn)行文本播放，硬件上SPCE061A的UART與PC機的RS-232連接。

　　SPCE061A有內置ICE(在線(xiàn)仿真器)調試接口，可實(shí)現在線(xiàn)仿真、調試和下載，程序調試非常方便，這也是選擇SPCE061A的主要原因之一。硬件上ICE調試接口與PC機并行口連接。SPCE061A除可編程音頻處理功能外，還具有豐富的I／O口、時(shí)鐘源及中斷源，Flash存儲達32 k字，RAM有2 k字，在語(yǔ)音播放的同時(shí)還能進(jìn)行復雜的控制操作。

　　SPR4096A容量為512 k×8位，分256個(gè)扇區，每個(gè)扇區為2 kB，可配置為BMI(總線(xiàn)存儲器接口)或SIF(串行接口總線(xiàn))。為節省I／O口，本系統使用串行接口。此串行接口是凌陽(yáng)自行定義的SIO接口，也用SCK和SDA兩根信號線(xiàn)，但數據格式與I2C或SPI略有不同，SPCE061A的IOB0為時(shí)鐘信號SCK，IOB1為數據信號SDA。

        
 
　　2 Flash存儲器數據結構

　　GB 2312中的6 763個(gè)漢字有1 300多個(gè)不同讀音，用Speech SDK制作漢字語(yǔ)音庫可生成1 220個(gè)大小為20 kB的wave讀音文件，其音頻格式為PCM8 kHz 16 bit Mono，符合凌陽(yáng)單片機對語(yǔ)音文件格式的要求。在保證讀音完整性的前提下，每個(gè)wave讀音文件裁減為6.5 kB。漢字語(yǔ)音庫的制作，本文不做詳細介紹，將另文發(fā)表。用凌陽(yáng)的CompressTool工具將6.5 kB的wave讀音文件壓縮成S480格式(語(yǔ)音壓縮編碼類(lèi)型為4.8 kbit／s)的語(yǔ)音文件，每個(gè)壓縮語(yǔ)音數據文件包括文件頭48字節和實(shí)際語(yǔ)音資源數據258字節共306字節，所以語(yǔ)音庫數據總的大小為306×1 220=373 320字節。

　　用ResWriter工具V2.0可將壓縮后的1 220個(gè)S480語(yǔ)音數據文件燒錄入SPR4096A中。ResWriter根據文件總數和每個(gè)文件大小，在最低地址生成一個(gè)語(yǔ)音資源地址索引表。索引表分兩大部分：第1部分14字節，是整個(gè)語(yǔ)音資源的總信息，包括4字節的標識碼SPRW(Sunplus Read Write)4字節的起始地址、4字節的結束地址和2字節的文件總數；第2部分為每個(gè)文件的信息，共1 220項，分別對應一個(gè)文件，每項12字節，包括4字節的長(cháng)度、4字節的起始地址和4字節的結束地址。所以此索引表的大小為14+12×1220=14 654字節。

　　要根據文本中每個(gè)漢字內碼找到語(yǔ)音數據地址，還必須有漢字讀音序號索引表。此表在語(yǔ)音庫制作的同時(shí)生成，共6 763項，按GB 2312順序每項對應一個(gè)漢字在1 220個(gè)讀音文件的序號，用2字節表示，總大小為13 526字節，占用7個(gè)扇區。另編一個(gè)小程序，將此表寫(xiě)入Flash存儲器最底部的7個(gè)扇區，即從地址0x7C800開(kāi)始。Flash存儲器還剩59個(gè)空白扇區，可供其他數據寫(xiě)入。

　　漢字讀音序號索引表、語(yǔ)音資源地址索引表和語(yǔ)音資源數據的總長(cháng)度為392 kB，存儲在SPR4096A中，結構如圖2所示，所有地址和長(cháng)度數據均為高字節在前，低字節在后，用十六進(jìn)制表示。當然，漢字讀音序號索引表也可存放在SPCE061A的內部Flash存儲器中，這樣編程較簡(jiǎn)單，但會(huì )多占用程序存儲器空間。

　　3軟件流程

　　3.1漢字語(yǔ)音資源地址的計算

　　由漢字機內碼計算漢字語(yǔ)音資源的起始地址和結束地址分為以下2步：

　　a)由公式：(機內碼高字節WH-0xB0)×94+(機內碼低字節WL-0xA1)，計算出漢字在漢字讀音序號索引表中的偏移值(設為M)，在0x7C800+2*(M-1)地址處查得漢字讀音序號(設為N)。

　　b)由漢字讀音序號N，在語(yǔ)音資源地址索引表中從0x12+0xC*(N-1)地址開(kāi)始查得該漢字的語(yǔ)音資源數據的起始地址和結束地址。

　　3.2漢字語(yǔ)音資源播放
　　
　　以語(yǔ)音資源的起始地址和結束地址為參數，調用SACM_S480中相應的API函數就可實(shí)現語(yǔ)音播放，流程如圖3所示。

　　凌陽(yáng)語(yǔ)音播放有自動(dòng)和手動(dòng)兩種API，由于語(yǔ)音資源存儲在外部SPR4096A中，需先讀出并存入內部RAM中才能解碼，故只能采用手動(dòng)方式播放語(yǔ)音，初始化、讀取資源數據、填充語(yǔ)音隊列、解碼、停止播放等都用相應的API實(shí)現，函數原型在流程圖中有詳細的表示。

        
 
　　采用Compress Tool工具壓縮的S480格式的語(yǔ)音資源帶有48字節的文件頭，所以語(yǔ)音資源首地址還要加48跳過(guò)此文件頭，然后調用兩個(gè)初始化函數進(jìn)行解碼列隊和解碼器的初始化，最后進(jìn)入循環(huán)。手動(dòng)或自動(dòng)播放方式選擇的初始化在主程序中進(jìn)行，解碼器初始化就是選擇D／A通道，可用兩個(gè)通道之一，也可兩個(gè)通道全用。

　　在循環(huán)中首先讀取語(yǔ)音隊列狀態(tài)，返回值0或1表示語(yǔ)音隊列空或滿(mǎn)。若語(yǔ)音隊列不滿(mǎn)，判斷地址是否超出語(yǔ)音資源的結束地址，若未超出結束地址，則從SPR4096A取語(yǔ)音資源，將語(yǔ)音資源填入語(yǔ)音隊列中等待解碼處理，地址指針指向下一個(gè)地址單元；若已經(jīng)超出結束地址，則退出填充隊列循環(huán)。在解碼播放前要讀取語(yǔ)音播放的狀態(tài)，返回值1或0表示正在播放或已播放結束，若播放已結束，則調用停止播放函數，結束循環(huán)。

　　實(shí)際的語(yǔ)音播放是在TMA_FIQ中斷源的中斷服務(wù)子程序中調用函數F_FIQ_Service_SACM_S480實(shí)現的，它將解碼后的數據送人D／A通道播放。中斷子程序的編程、播放函數的詳細介紹和其他相關(guān)函數如音量控制、暫停播放、恢復播放等見(jiàn)文獻[1]。

　　3.3主程序流程

　　主程序流程如圖4所示，對硬件及播音函數初始化后，循環(huán)執行語(yǔ)音數據解碼播放和其他操作。文本輸入并寫(xiě)入循環(huán)緩沖區的操作在串行口中斷子程序中進(jìn)行。為了不互相影響，這3個(gè)操作都不能占用太長(cháng)時(shí)間。

        
 
　　文本輸入與語(yǔ)音播放必須很好地配合，系統采用環(huán)形緩沖區來(lái)協(xié)調這兩個(gè)操作。串行口中斷子程序每接收一個(gè)漢字就填人環(huán)形緩沖區，并移動(dòng)寫(xiě)入指針。語(yǔ)音播放前先利用讀出指針和寫(xiě)入指針判斷環(huán)形緩沖區內是否有2字節或2字節以上的數據，若無(wú)則可進(jìn)行其他操作；若有再判斷該數據是否為漢字機內碼。若不是只移動(dòng)讀出指針；若是則移動(dòng)讀出指針，并調用漢字語(yǔ)音播放函數進(jìn)行單個(gè)漢字的語(yǔ)音播放。因為主程序的處理過(guò)程足夠快，所以若漢字輸入是連續的，則播放也是連續平滑的。

　　系統的其他操作如鍵盤(pán)掃描及按鍵處理、顯示驅動(dòng)及數據更新等，也必須能與文本語(yǔ)音播放協(xié)調配合。系統調試時(shí)，在主程序循環(huán)中插入一個(gè)鍵盤(pán)掃描程序，用按鍵控制音量增減、重復播放同一漢字等。因為一個(gè)漢字的解碼播放和其他操作是交替進(jìn)行的，所以進(jìn)行其他操作時(shí)不能解碼播放，解碼播放時(shí)不能進(jìn)行其他操作，這就要求其他操作執行時(shí)間不超過(guò)一個(gè)漢字的播放時(shí)間，否則會(huì )影響語(yǔ)音播放的實(shí)時(shí)性。另一方面，其他操作的間隔時(shí)間必須大于一個(gè)漢字播放時(shí)間，否則播放操作會(huì )影響其他操作。改進(jìn)程序流程可以解決以上問(wèn)題，若其他操作執行時(shí)間過(guò)長(cháng)，可分解成幾個(gè)操作與解碼播放交替進(jìn)行；若其他操作間隔時(shí)間要求較短，可將其他操作移到播放子程序的解碼循環(huán)中，因為D/A輸出頻率為8 kHz，所以理論上每次循環(huán)時(shí)其他操作所用時(shí)間只要在0.125 ms以下就不會(huì )影響語(yǔ)音播放。

　　4結束語(yǔ)

　　本文實(shí)現了基于凌陽(yáng)SPCE061A的通用漢字文本語(yǔ)音播放系統。實(shí)際應用中還有一些細節問(wèn)題要考慮，多音字可用讀音相同的漢字代替播放；若文本中夾有英語(yǔ)字母，只需在語(yǔ)音資源中加入字母發(fā)音數據，原理與漢字播音完全相同。本系統的最大優(yōu)點(diǎn)是硬件簡(jiǎn)單，成本低廉，軟件效率高。在播音的同時(shí)還能進(jìn)行其他復雜的控制操作。