当前页面位置: » 丰搜网 » 文档中心 » 详细内容
在asp.net程序中实现语音合成(2)
二、 微软语音应用程序开发包sdk 1.1
在2004年，微软发行了 microsoft speech server，还有一个免费的sdk允许你开发基于web的运行于speech server上的语音程序。可以使用sdk来构建电话或只发声的应用程序-其中的计算机对用户的交互是使用电话来实现的。同时你还可以构建多模态应用程序，其中由用户选择使用语音还是传统型web控件作为输入。
微软tts引擎通过把单词拆分成音素来合成文本。音素是人类语言的基本单位。它们代表一组"音"，正是由它们构成单词的声音。然后由该tts引擎分析提取的音素并且把它们转换成符号用来生成数字音频语音。
你可以使用随同本文的可下载的示例应用程序(exploringtexttospeech.csproj)来试验微软tts引擎可配置的方面。该多模态应用程序包含一个web页面（见图2），你可以在其中输入一些文本。然后，可以点击一个按钮来以下面方式听取文本。
作者注：在要被播放的文本无法提前知道的情况下，使用一tts引擎是不可避免的;然而，你可以由录制音频来得到更好的音质。当音频质量是关键的时，你可以使用微软语音应用程序软件开发工具箱（sasdk）来录制音频。例如，你可能想使用录制的音频来提示用户信息。被记录的音频可以被分解成一系列的提示，它们在运行时刻再被连接起来。
· speak text normally-提供一种测试基准
· say as an acronym-文本"asp"被发作"a.s.p."
· say as name-mr.john doe被发作"mister john doe"
· say as date-在这种情况中，日期格式化为：月，日，年
· say as web address-在这种情况中，文本格式化为一个统一资源标识符（uri）
· say as digits-作为文本输入的数字被发作一系列的位
· high pitch/slow rate-文本以高音调慢速发出。
· rate fast/volume loud-文本以快速高音发出。
· low pitch/volume soft-文本以低音调适中音量发出。
图2.示例应用程序-你可以使用这个程序来听一下以多种方式说出的文本。
该多模态应用程序使用一提示控件来指定将被播放给用户的音频。该提示控件包含inlinecontent属性——它可以包含一个或者是content型或者是value型的基本speech控件。该content控件指定一特定的包含存储的音频记录的提示文件。该value控件指定一个html web页面中的元素。该示例应用程序使用一value控件——它参考一个名为txttext的输入元素（在图2中的"type some text here:"域）。下面是描述了用于一个提示的标注的html：
＜speech:prompt id="prmtext" runat="server"＞
＜inlinecontent＞
＜speech:value runat="server"
targetelement="txttext"
targetattribute="value"＞
＜/speech:value＞
＜/inlinecontent＞
＜/speech:prompt＞
三、 语音合成标注语言
该tts引擎在怎样播放由属性inlinecontent参考的文本时作出某些缺省的假设，但是开发者能通过使用语音合成标注语言(ssml)元素来控制该tts引擎生成音频的方式。根据w3c协会的推荐，ssml是一基于xml的标注语言。表1列举出由sasdk所支持的ssml元素。
表1.被支持的ssml元素：表中列出由sasdk所支持的ssml元素并且用于控制tts引擎生成文本的方式。
ssml元素 描述
ssml:paragraph/ssml:sentence 用于把文本分解成语句或段落。
ssml:say-as 用于指定播放文本的方式。它能够接受若干不同的属性来指定文本的类型。
ssml:phoneme 用于控制一个单词的发音方式。
ssml:sub 用于指定一个替代单词或词组来代替指定的文本。
ssml:emphasis 用于提高放到一单词或词组中的重音。
ssml:break 用于在文本的某些单词间插入一些暂停。
ssml:prosody 用于控制音调，速率和音量。
ssml:audio 用于插入被录制的音频文件。
ssml:mark 用于在文本的某个位置插入一个标记。然后可以使用这个标记来表示一事件或触发一个行为。
该示例应用程序说明了say-as和prosodyssml元素的使用。在该default.aspx页面上的每个按钮都相应于一个提示控件。这些提示控件在inlinecontent元素中包括一ssml:say-as或一个ssml:prosody元素。下面示例显示了针对这些元素之一的html标注：
＜speech:prompt id="prmsayasacronym" runat="server"＞
＜inlinecontent＞
＜ssml:say-as type="acronym"＞
＜speech:value runat="server"
targetelement="txttext"
targetattribute="value"＞＜/speech:value＞
＜/ssml:say-as＞
＜/inlinecontent＞
＜/speech:prompt＞
当用户点击这些按钮之一，它执行如下所示的javascript：
function sayasacronym() {
prmsayasacronym.start();
}
在上面的示例中，名为prmsayasacronym的提示包括了ssml:say-as元素，它指定任何包含在txttext输入元素中的文本都应该被以每个单词的第一个字母方式发出。因此，如果你输入"asp"到文本元素中并且点击"say as acronym"，那么该tts引擎将读每个字母。
为了用该示例应用程序进行试验，你可以输入一些文本片断，然后点击每一个按钮来看一下该tts引擎是怎样解释文本的。我主张你改变元素值并且用每一个控件生成的方式进行试验。sasdk提供给开发者关于该tts引擎怎样生成文本的良好控件，因此试验可能会导致出现一种更为自然的基于语音的应用程序。
