数字杂志语音合成系统

1. 系统概述

 

基于科大讯飞先进的语音合成技术，定制开发数字杂志语音合成系统，实现数字杂志的语音阅读功能。在数字杂志中加入语音阅读功能，增强了数字杂志易用性和可访问性，进一步提高了在线数字杂志的价值含量，为网上宣传和产业发展奠定基础。

 

2. 系统结构

 

数字杂志语音合成系统主要由两个部分组成：

• 语音合成系统
• 数字杂志系统

语音合成系统与数字杂志系统之间通过接口进行数据交互，完成从文本到语音的转换过程。数字杂志系统将需要转换的文本通过接口提交给语音合成系统，语音合成系统将文本进行合成，转换成数字杂志系统可用的音频文件格式，并以WEB或流媒体形式发布。

图表 1 数字杂志语音合成系统结构（略）

 

3. 系统功能

 

系统基于语音合成服务器及语音合成服务系统软件，通过开发相应的服务、接口及数据库系统，实现与数字杂志系统的交互，生成指定格式的音频数据文件等功能。

 

3.1 语音合成系统

 

语音合成系统主要完成接收合成文本，将文本合成为音频文件的功能，具体功能如下：

• Web Service 接口：通过Web Service接口，接收SOAP格式的合成文本数据，并将数据存入到合成文本数据库，提供给语音合成服务使用。
• ASP.NET 接口：通过ASP.NET接口，接收使用HTTP协议，采用POST方式传递过来的合成文本数据，并将数据存入到合成文本数据库，提供给语音合成服务使用。
• 合成状态查询接口：合成状态查询接口对外提供语音文件合成的状态，以供外部系统调用，查询语音合成实时状态。合成状态有未开始、合成中、转换中、发布中、已发布等状态。
• 合成管理窗口：为用户提供查看系统运行状态和配置系统参数的操作界面，合成管理窗口是整个系统的控制中心。
• 语音合成服务：语音合成服务主要完成两方面的功能。一方面从合成文本数据库中取出文本数据，然后调用语音合成服务器进行语音合成。另一方面把合成好的语音文件转换成需要的音频文件格式，如MP3格式。
• 语音文件发布服务：把语音文件按指定的方式进行发布，发布的方式有两种。一种是，将语音文件发布到WEB服务器上，供其他系统下载使用；另一种是，将语音文件发布到流媒体服务器上，以流式文件供其他系统下载使用。

3.2 数字杂志系统

 

数字杂志系统主要实现调用接口将语音合成文本数据发给语音合成系统，然后再通过相应的发布方式调用合成好的语音文件。数字杂志系统利用自带的语音集成功能，将语音与电子杂志打包出版。

• 数据发送接口：把数字杂志系统中需要要合成的语音合成文本数据通过接口发送给语音合成系统。

4. 业务流程

 

数字杂志语音合成的实现流程如下：
 
图表 2 数字杂志语音合成流程（略）

 

1) 在数字杂志中点击相应的链接或按钮，调用语音阅读功能；

2) 数字杂志系统判断所要语音阅读的内容是否已有语音合成文件；

3) 如果已有语音合成文件，数字杂志系统直接调用已有的语音合成文件；

4) 如果没有语音合成文件，数字杂志系统通过接口，将所需合成的语音合成文本数据发送给语音合成系统；

5) 语音合成系统将接收到的文本数据保存到语音合成文本数据库，供语音合成服务调用；

6) 语音合成服务从语音合成文本数据库中获取还未合成的合成文本数据，并将其合成为音频文件；

7) 语音文件合成完成后，语音合成服务将音频文件转换为所需的音频文件格式；

8) 语音合成系统通过系统有新的语音文件需要发布；

9) 语音文件发布服务将语音文件发送到流媒体服务器上，供数字杂志在线语音阅读使用；

10) 语音文件发布服务将语音文件发布到WEB服务器上，供数字杂志系统下载使用。

 

5. 相关说明

 

数字杂志语音合成系统的部署需要以下条件：

• 语音文件发布服务如果是采用WEB服务器或是流媒体服务器的方式，WEB 服务器与流媒体服务器需要有公网的IP；
• 数字杂志系统传递到语音合成系统的数据应包含以下数据字段
• 唯一ID
• 标题
• 内容
• 时间（年、月、日、时、分、秒）
• 是否重新合成（针对修改已合成过内容）
• 语音合成系统的部署，至少应使用两台服务器。一台用于运行语音合成服务器（安装InterPhonic系统），另一台用于运行语音合成系统。语音发布到WEB服务器或流媒体服务器，建议采用专用的公网服务器。

6. 系统配置
（略）