如何使用Java实现语音引擎
这篇文章主要为大家展示了“如何使用Java实现语音引擎”,内容简而易懂,条理清晰,希望能够帮助大家解决疑惑,下面让小编带领大家一起研究并学习一下“如何使用Java实现语音引擎”这篇文章吧。
10年积累的成都网站设计、成都做网站经验,可以快速应对客户对网站的新想法和需求。提供各种问题对应的解决方案。让选择我们的客户得到更好、更有力的网络服务。我虽然不认识你,你也不认识我。但先网站设计后付款的网站建设流程,更有土默特左旗免费网站建设让你可以放心的选择与我们合作。
一、试用语音引擎
要使用这个语音引擎,你必须在CLASSPATH中加入本文提供的javatalk.jar文件,然后从命令行运行(或者从Java程序调用)com.lotontech.speech.Talker类。如果从命令行运行,则命令为:
java com.lotontech.speech.Talker "h|e|l|oo"
如果从Java程序调用,则代码为:
com.lotontech.speech.Talker talker=new com.lotontech.speech.Talker();
talker.sayPhoneWord("h|e|l|oo");
现在,对于在命令行上(或者调用sayPhoneWord()方法时)提供的“h|e|l|oo”字符串,你或许有所不解。下面我就来解释一下。
语音引擎的工作原理是把细小的声音样本连接起来,每一个样本都是人的语言发音(英语)的一个最小单位。这些声音样本称为音素(allophone)。每一个因素对应一个、二个或者三个字母。从前面“hello”的语音表示可以看出,一些字母组合的发音显而易见,还有一些却不是很明显:
h -- 读音显而易见
e -- 读音显而易见
l -- 读音显而易见,但注意两个“l”被简缩成了一个“l”。
OO -- 应该读作“hello”中的读音,不应读作“bot”、“too”中的读音。
下面是一个有效音素的清单:
a : 如cat
b : 如cab
c : 如cat
d : 如dot
e : 如bet
f :
如frog
g : 如frog
h : 如hog
i : 如pig
j : 如jig
k : 如keg
l :
如leg
m : 如met
n : 如begin
o : 如not
p : 如pot
r : 如rot
s :
如sat
t : 如sat
u : 如put
v : 如have
w : 如wet
y : 如yet
z :
如zoo
aa : 如fake
ay : 如hay
ee : 如bee
ii : 如high
oo : 如go
bb : b的变化形式,重音不同
dd : d的变化形式,重音不同
ggg : g的变化形式,重音不同
hh :
h的变化形式,重音不同
ll : l的变化形式,重音不同
nn : n的变化形式,重音不同
rr : r的变化形式,重音不同
tt : t的变化形式,重音不同
yy : y的变化形式,重音不同
ar : 如car
aer : 如care
ch :
如which
ck : 如check
ear : 如beer
er : 如later
err : 如later (长音)
ng : 如feeding
or : 如law
ou : 如zoo
ouu : 如zoo (长音)
ow : 如cow
oy : 如boy
sh : 如shut
th : 如thing
dth : 如this
uh : u 的变化形式
wh : 如where
zh : 如Asian
人说话的时候,语音在整个句子之内起落变化。语调变化使得语音更自然、更富有感染力,使得问句和陈述句能够相互区别。请考虑下面两个句子:
It is fake -- f|aa|k
Is it fake? -- f|AA|k
也许你已经猜想到,提高语调的方法是使用大写字母。
以上就是使用该软件时你需要了解的东西。如果你对其后台实现细节感兴趣,请继续阅读。
二、实现语音引擎
语音引擎的实现只包括一个类,四个方法。它利用了J2SE 1.3包含的Java Sound
API。在这里,我不准备全面地介绍这个API,但你可以通过实例学习它的用法。Java Sound
API并不是一个特别复杂的API,代码中的注释将告诉你必须了解的知识。
下面是Talker类的基本定义:
package
com.lotontech.speech;
import javax.sound.sampled.*;
import
java.io.*;
import java.util.*;
import java.net.*;
public
class Talker
{
private SourceDataLine line=null;
}
如果从命令行执行Talker,下面的main()方法将作为入口点运行。main()方法获取第一个命令行参数,然后把它传递给sayPhoneWord()方法:
/*
* 读出在命令行中指定的表示读音的字符串
*/
public static void
main(String args[])
{
Talker player=new Talker();
if
(args.length>0) player.sayPhoneWord(args[0]);
System.exit(0);
}
sayPhoneWord()方法既可以通过上面的main()方法调用,也可以在Java程序中直接调用。从表面上看,sayPhoneWord()方法比较复杂,其实并非如此。实际上,它简单地遍历所有单词的语音元素(在输入字符串中语音元素以“|”分隔),通过一个声音输出通道一个元素一个元素地播放出来。为了让声音更自然一些,我把每一个声音样本的结尾和下一个声音样本的开头合并了起来:
/*
* 读出指定的语音字符串
*/
public void
sayPhoneWord(String word)
{
// 为上一个声音构造的模拟byte数组
byte[]
previousSound=null;
// 把输入字符串分割成单独的音素
StringTokenizer st=new
StringTokenizer(word,"|",false);
while (st.hasMoreTokens())
{
// 为音素构造相应的文件名字
String thisPhoneFile=st.nextToken();
thisPhoneFile="/allophones/"+thisPhoneFile+".au";
// 从声音文件读取数据
byte[] thisSound=getSound(thisPhoneFile);
if
(previousSound!=null)
{
// 如果可能的话,把前一个音素和当前音素合并
int
mergeCount=0;
if (previousSound.length>=500 &&
thisSound.length>=500)
mergeCount=500;
for (int i=0; i
{
previousSound[previousSound.length-mergeCount+i]
=(byte)((previousSound[previousSound.length
-mergeCount+i]+thisSound[i])/2);
}
// 播放前一个音素
playSound(previousSound);
// 把经过截短的当前音素作为前一个音素
byte[]
newSound=new byte[thisSound.length-mergeCount];
for (int ii=0; ii
newSound[ii]=thisSound[ii+mergeCount];
previousSound=newSound;
}
else
previousSound=thisSound;
}
//
播放最后一个音素,清理声音通道
playSound(previousSound);
drain();
}
在sayPhoneWord()的后面,你可以看到它调用playSound()输出单个声音样本(即一个音素),然后调用drain()清理声音通道。下面是playSound()的代码:
/*
* 该方法播放一个声音样本
*/
private void
playSound(byte[] data)
{
if (data.length>0) line.write(data,
0, data.length);
}
下面是drain()的代码:
/*
* 该方法清理声音通道
*/
private void drain()
{
if (line!=null)
line.drain();
try {Thread.sleep(100);} catch (Exception e) {}
}
现在回过头来看sayPhoneWord(),这里还有一个方法我们没有分析,即getSound()方法。
getSound()方法从一个au文件以字节数据的形式读入预先录制的声音样本。要了解读取数据、转换音频格式、初始化声音输出行(SouceDataLine)以及构造字节数据的详细过程,请参考下面代码中的注释:
/*
* 该方法从文件读取一个音素,
* 并把它转换成byte数组
*/
private byte[] getSound(String fileName)
{
try
{
URL url=Talker.class.getResource(fileName);
AudioInputStream
stream = AudioSystem.getAudioInputStream(url);
AudioFormat format =
stream.getFormat();
// 把一个ALAW/ULAW声音转换成PCM以便回放
if
((format.getEncoding() == AudioFormat.Encoding.ULAW) ||
(format.getEncoding() == AudioFormat.Encoding.ALAW))
{
AudioFormat tmpFormat = new AudioFormat(
AudioFormat.Encoding.PCM_SIGNED,
format.getSampleRate(),
format.getSampleSizeInBits() * 2,
format.getChannels(),
format.getFrameSize() * 2,
format.getFrameRate(), true);
stream
= AudioSystem.getAudioInputStream(tmpFormat, stream);
format =
tmpFormat;
}
DataLine.Info info = new DataLine.Info(
Clip.class, format,
((int) stream.getFrameLength() *
format.getFrameSize()));
if (line==null)
{
// 输出线还没有实例化
// 是否能够找到合适的输出线类型?
DataLine.Info outInfo = new
DataLine.Info(SourceDataLine.class,
format);
if
(!AudioSystem.isLineSupported(outInfo))
{
System.out.println("不支持匹配" + outInfo + "的输出线");
throw new
Exception("不支持匹配" + outInfo + "的输出线");
}
// 打开输出线
line =
(SourceDataLine) AudioSystem.getLine(outInfo);
line.open(format, 50000);
line.start();
}
int frameSizeInBytes =
format.getFrameSize();
int bufferLengthInFrames = line.getBufferSize() /
8;
int bufferLengthInBytes = bufferLengthInFrames * frameSizeInBytes;
byte[] data=new byte[bufferLengthInBytes];
// 读取字节数据,并计数
int numBytesRead = 0;
if ((numBytesRead = stream.read(data)) !=
-1)
{
int numBytesRemaining = numBytesRead;
}
//
把字节数据切割成合适的大小
byte[] newData=new byte[numBytesRead];
for (int
i=0; i
newData[i]=data[i];
return newData;
}
catch (Exception e)
{
return new byte[0];
}
}
这就是全部的代码,包括注释在内,一个大约150行代码的语音合成器。
三、文本-语音转换
以语音元素的格式指定待朗读的单词似乎过于复杂,如果要构造一个能够朗读文本(比如Web页面或Email)的应用,我们希望能够直接指定原始的文本。
深入分析这个问题之后,我在本文后面的ZIP文件中提供了一个试验性的文本-语音转换类。运行这个类,它将显示出分析结果。文本-语音转换类可以从命令行执行,如下所示:
java com.lotontech.speech.Converter "hello there"
输出结果类如:
hello -> h|e|l|oo
there -> dth|aer
如果运行下面这个命令:
java com.lotontech.speech.Converter "I like to read JavaWorld"
则输出结果为:
i -> ii
like -> l|ii|k
to ->
t|ouu
read -> r|ee|a|d
java -> j|a|v|a
world ->
w|err|l|d
这个转换类是如何工作的呢?实际上,我的方法相当简单,转换过程就是以一定的次序应用一组文本替换规则。例如对于单词“ant”、“want”、“wanted”、“unwanted”和“unique”,则我们想要应用的替换规则可能依次为:
用“|y|ou|n|ee|k|”替换“*unique*”
用“|w|o|n|t|”替换“*want*”
用“|a|”替换“*a*”
用“|e|”替换“*e*”
用“|d|”替换“*d*”
用“|n|”替换“*n*”
用“|u|”替换“*u*”
用“|t|”替换“*t*”
对于“unwanted”,输出序列为:
unwanted
un[|w|o|n|t|]ed (规则2)
[|u|][|n|][|w|o|n|t|][|e|][|d|] (规则4、5、6、7)
u|n|w|o|n|t|e|d
(删除多余的符之后)
你将看到包含字母“wont”的单词和包含字母“ant”的单词以不同的方式发音,还将看到在特例规则的作用下,“unique”作为一个完整单词优先于其他规则,从而“unique”这个单词读作“y|ou...”而不是“u|n...”。
以上是“如何使用Java实现语音引擎”这篇文章的所有内容,感谢各位的阅读!相信大家都有了一定的了解,希望分享的内容对大家有所帮助,如果还想学习更多知识,欢迎关注创新互联行业资讯频道!
新闻标题:如何使用Java实现语音引擎
当前URL:http://pwwzsj.com/article/jojepo.html