語音合成芯片探析

   語音合成芯片就是將完整的語音合成系統固化集成到芯片內部，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，完成機器代替人說話傳達信息的過程，語音芯片應用簡單，開發和使用成本低，在車載調度、氣象預警、公交報站等領域被廣泛應用。

    語音合成芯片最大的功能應用點在于用戶需要播報一些大量、動態文本信息時，可以即時、方便的將文本信息內容合成為語音輸出，從而解決傳統錄音芯片無法解決的大容量、動態文本信息播報問題。

    目前，市場上語音合成芯片價位從幾十元到幾百元的都有，另外芯片外形、產品封裝形式、調用接口等紛繁復雜，讓用戶在選擇語音合成芯片時經常陷入迷惑狀態。那么如何正確分辨、選用一款高性能語音合成芯片？語音合成芯片重點需要考核哪些性能指標？以下參數將成為用戶重點評估方向：

    1.語音合成效果

    語音合成芯片的應用目的是以語言的方式傳達文本信息，機器說話是否標準，人能否聽懂聽舒服自然成為最最重要的衡量指標。語音芯片的朗讀效果主要由兩個重要技術指標決定：可懂度和自然度。可懂度就是人們能夠聽懂機器合成出來的內容，是語音合成芯片能否應用的基本要求；自然度則是機

    器發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說明，規定采用5分制打分，達到可接受階段為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品是否可用的標準，自然度則是評價產品是否可以大規模應用，以及應用于高端領域的重要指標。

    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識別常見文本內容外，在一些特殊格式文本方面，如時間、日期、網站名稱等格式的文本，也要能夠智能判讀。“12:10:35”讀成“十二點十分三十五秒”，“2008-1-1”讀成“二零零八年一月十三號”，“http://www.abc.com”讀成“h-t-t-pw-w-w點a-b-c點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慣進行讀出。

    4.能否判讀常見多音字

    多音字作為漢字中常見的發音重點和難點，是各家語音公司關注的焦點，特別是中文語音合成芯片，在這方面更需要優異的表現。如：音樂，銀行，特長，即將，股市行情，調整，校正，災難，沒收，長三角，西藏，濟南，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，這點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。
    6.能否支持數字的讀法。

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

    7.能否支持合成參數設置

    參數合成設置主要是為了方便使用語音芯片進行二次開發的用戶來進行設置、調試、修正文本合成效果。語音合成芯片應該能夠支持多種標記功能，可以按照需要進行標記。使用多種標記進行設置更為直觀方便、易維護。例如：設置音量，只要使用合成命令幀發送[v9]，就可把音量設置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核等方面來評估語音合成芯片的性能，其實，在實際選用一款好的語音合成芯片的時候，用戶還需要注意芯片硬件方面的參數，如：是否單芯片，體積大小，能夠大批量貼片焊接生產？以及功耗，工作溫度等等方面。■