首頁>>廠商>>語音識別與合成>>科大訊飛

語音合成芯片探析

2009/07/31

　　語音合成芯片就是將完整的語音合成系統(tǒng)固化集成到芯片內(nèi)部，通過簡單的接口接收待合成的文本信息，將文本合成為清晰流暢的語音輸出，完成機(jī)器代替人說話傳達(dá)信息的過程，語音芯片應(yīng)用簡單，開發(fā)和使用成本低，在車載調(diào)度、氣象預(yù)警、公交報(bào)站等領(lǐng)域被廣泛應(yīng)用。

　　語音合成芯片最大的功能應(yīng)用點(diǎn)在于用戶需要播報(bào)一些大量、動(dòng)態(tài)文本信息時(shí)，可以即時(shí)、方便的將文本信息內(nèi)容合成為語音輸出，從而解決傳統(tǒng)錄音芯片無法解決的大容量、動(dòng)態(tài)文本信息播報(bào)問題。

　　目前，市場上語音合成芯片價(jià)位從幾十元到幾百元的都有，另外芯片外形、產(chǎn)品封裝形式、調(diào)用接口等紛繁復(fù)雜，讓用戶在選擇語音合成芯片時(shí)經(jīng)常陷入迷惑狀態(tài)。那么如何正確分辨、選用一款高性能語音合成芯片？語音合成芯片重點(diǎn)需要考核哪些性能指標(biāo)？以下參數(shù)將成為用戶重點(diǎn)評估方向：

1、語音合成效果。

　　語音合成芯片的應(yīng)用目的是以語言的方式傳達(dá)文本信息，機(jī)器說話是否標(biāo)準(zhǔn)，人能否聽懂聽舒服自然成為最最重要的衡量指標(biāo)。語音芯片的朗讀效果主要由兩個(gè)重要技術(shù)指標(biāo)決定：可懂度和自然度。可懂度就是人們能夠聽懂機(jī)器合成出來的內(nèi)容，是語音合成芯片能否應(yīng)用的基本要求；自然度則是機(jī)器發(fā)音效果是否易于理解，聽著舒服，與正常人說話的差距。國家863專家組對語音合成效果的自然度綜合評測有詳細(xì)說明，規(guī)定采用5分制打分，達(dá)到可接受階段為3.0分，普通人說話水平為4.0分，播音員的水平為5.0分。可懂度是衡量語音合成產(chǎn)品是否可用的標(biāo)準(zhǔn)，自然度則是評價(jià)產(chǎn)品是否可以大規(guī)模應(yīng)用，以及應(yīng)用于高端領(lǐng)域的重要指標(biāo)。

2、能否識別常見的特殊格式文本。

　　為了滿足不同文本的合成需求，語音合成芯片除了能夠自動(dòng)識別常見文本內(nèi)容外，在一些特殊格式文本方面，如時(shí)間、日期、網(wǎng)站名稱等格式的文本，也要能夠智能判讀。“12:10:35”讀成“十二點(diǎn)十分三十五秒”，“2008-1-13”讀成“二零零八年一月十三號”，“http://www.abc.com”讀成“h-t-t-p w-w-w點(diǎn)a-b-c點(diǎn)c–o- m”。

3、能否識別常見的特殊符號、單位符號。

　　對于一些特殊符號及單位符號等，語音合成芯片也需要能夠正確識別并合成出來，如：“-2℃”讀成“零下2攝氏度”，其他的30%，a&b，￥80，20㎝，75㎏,90㎡等都能夠人們按照閱讀習(xí)慣進(jìn)行讀出。

4、能否判讀常見多音字。

　　多音字作為漢字中常見的發(fā)音重點(diǎn)和難點(diǎn)，是各家語音公司關(guān)注的焦點(diǎn)，特別是中文語音合成芯片，在這方面更需要優(yōu)異的表現(xiàn)。如：音樂，銀行，特長，即將，股市行情，調(diào)整，校正，災(zāi)難，沒收，長三角，西藏，濟(jì)南，重慶，成都等等，多音字能否正確判讀直接影響合成信息的可懂度，信息受眾者的理解，所以必須準(zhǔn)確朗讀。

5、能否支持多種漢字編碼支持。

　　多種漢字編碼支持目前也已成為考核語音合成芯片性能的重點(diǎn)，這點(diǎn)在方便終端用戶使用方面以及支持漢字識別范圍方面均非常重要。目前常用的漢字編碼格式有GB2312, Unicode，GBK，BIG5等。

6、能否支持?jǐn)?shù)字的讀法。

　　生活離不開數(shù)字，數(shù)字串的正確識別合成輸出，在眾多應(yīng)用領(lǐng)域成為普遍性關(guān)注點(diǎn)，合成文本中會經(jīng)常出現(xiàn)類似如：“請撥打12345”、“電話：12345”“熱線：12345” “我的號碼：12345”等內(nèi)容，一款高性能語音合成芯片能夠智能判斷把數(shù)字串讀成數(shù)值、還是號碼。如“12345”會自動(dòng)按照號碼的讀成“一二三四五”。“139-11661189”自動(dòng)按照號碼讀成“幺三九幺幺六六幺幺八九”。而“12345公斤”會自動(dòng)讀成“一萬二千三百四十五公斤”， “345678個(gè)”會讀成“三十四萬五千六百七十八個(gè)”等等。

7、能否支持合成參數(shù)設(shè)置。

　　參數(shù)合成設(shè)置主要是為了方便使用語音芯片進(jìn)行二次開發(fā)的用戶來進(jìn)行設(shè)置、調(diào)試、修正文本合成效果。語音合成芯片應(yīng)該能夠支持多種標(biāo)記功能，可以按照需要進(jìn)行標(biāo)記。使用多種標(biāo)記進(jìn)行設(shè)置更為直觀方便、易維護(hù)。例如：設(shè)置音量，只要使用合成命令幀發(fā)送[v9]，就可把音量設(shè)置9級音量。

8、用戶使用接口簡單、易用。

　　以上是從語音合成芯片效果及語音合成芯片內(nèi)核等方面來評估語音合成芯片的性能，其實(shí)，在實(shí)際選用一款好的語音合成芯片的時(shí)候，用戶還需要注意芯片硬件方面的參數(shù)，如：是否單芯片，體積大小，能夠大批量貼片焊接生產(chǎn)？以及功耗，工作溫度等等方面。

科大訊飛語音合成技術(shù)及語音合成芯片簡介：

　　科大訊飛是一家專業(yè)從事智能語音及語言技術(shù)研究、軟件及芯片產(chǎn)品開發(fā)、語音信息服務(wù)及電子政務(wù)系統(tǒng)集成的國家級骨干軟件企業(yè)，是我國眾多軟件企業(yè)中為數(shù)極少掌握核心技術(shù)并擁有自主知識產(chǎn)權(quán)的企業(yè)之一，其智能語音核心技術(shù)代表了世界的最高水平。

　　訊飛嵌入式語音合成技術(shù)采用基于HMM的參數(shù)語音合成方法，在保證合成語音清晰流暢的同時(shí)，充分降低合成系統(tǒng)的存儲與運(yùn)算資源消耗，以滿足嵌入式設(shè)備上的資源受限環(huán)境。

　　基于科大訊飛世界領(lǐng)先的中文語音合成技術(shù)，訊飛嵌入式語音合成芯片自2001年起陸續(xù)推出了XF1M01、XF-1M02、XF-2S01E、XF-S3111、XF-S3231、XF-S3011、XF-S4240、XF-S4040、XFS3031CN、XFS4041CN共10款產(chǎn)品，并已經(jīng)在車載GPS調(diào)度終端、氣象預(yù)警機(jī)、考勤機(jī)、信息機(jī)、智能玩具、智能儀表等領(lǐng)域大規(guī)模普及應(yīng)用。

　　目前，科大訊飛針對普通、中端、高端市場需求推了XFS3031CN、XFS4041CN和XF-S4240三款語音合成芯片，三款芯片性能均非常突出卓越，其差異性主要體現(xiàn)在合成效果指標(biāo)中自然度上，按照國家863專家組5分制標(biāo)準(zhǔn)來評分，其綜合評分分別為3.01分、3.63分和3.76分，也就是說三者語音合成效果相比較，XFS3031CN一般，XFS4041CN居中，XF-S4240最好。

　　另外，三款語音芯片均通過了車載、電力、氣象等眾多行業(yè)相關(guān)要求的專業(yè)認(rèn)證和測試標(biāo)準(zhǔn)，并已在多個(gè)客戶產(chǎn)品中成功集成上市，語音芯片的詳細(xì)功能特性，有興趣的朋友可以登陸科大訊飛網(wǎng)站（www.iflytek.com）下載詳查或來電來函索要。聯(lián)系方式如下：

北京分公司：
電話：010-58301005轉(zhuǎn)8009
深圳辦事處：
電話：0755-83073410
上海辦事處：
電話：021-58318011

CTI論壇報(bào)道